Конструкції гвинтових конвеєрів містять запобіжні муфти, що забезпечують уникнення поломок в аварійних ситуаціях (наприклад, при заклинюванні шнека). Тому вибір цих муфт представляє собою актуальну наукову задачу, яка повʼязана із розрахунком максимального крутного моменту шнека. Метою дослідження є розробка методу розрахунку максимального крутного моменту при заклинюванні шнека гвинтового конвеєра. Розроблений у статті метод ґрунтується на використанні штучної нейронної мережі, навченої за технологією «навчання з учителем». Навчальний і тестовий набір даних для штучної нейронної мережі отримано за допомогою проведення машинних експериментів, кожен з яких полягав у чисельному інтегруванні нелінійного диференціального рівняння та визначенні на основі отриманого розвʼязку значення максимального моменту у пружному звʼязку динамічної системи. Вказане диференціальне рівняння отримано на основі рівняння руху незаклиненої частини конвеєра (привод, передачі, муфта) та рівняння Клосса, що відповідає моделі механічної характеристки асинхронного двигуна конвеєра. Було доведено статистичну значимість результатів роботи штучної нейронної мережі шляхом аналізу величин показників якості апроксимації. Проведено короткий аналіз впливу жорсткості пружного звʼязку динамічної системи конвеєра та передаточного числа приводу, а також перевантажувальної здатності двигуна на максимальний момент, що виникає при заклинюванні шнека. Практична значимість отриманих результатів повʼязана із програмною реалізацією методу, яка дасть змогу інженерам ефективно проводити вибір запобіжних муфт при конструювання гвинтових конвеєрів.
математичне моделювання, апроксимація, машинні експерименти, штучна нейронна мережа
[1] German Patent and Trade Mark Office. (2022). Retrieved from https://depatisnet.dpma.de/DepatisNet/ depatisnet?window=1&space=menu&content=index&action=basis&switchToLang=en.
[2] Karwat, B., Rubacha, P., & Stańczyk, E. (2020). Simulational and experimental determination of the exploitation parameters of a screw conveyor. Maintenance and Reliability, 22(4), 741-747. doi: 10.17531/ein.2020.4.18.
[3] Yuan, J., Li, M., Ye, F., & Zhou, Z. (2020). Dynamic characteristic analysis of vertical screw conveyor in variable screw section condition. Science Progress, 103(3), 1-16. doi: 10.1177/0036850420951056.
[4] Moorthi, S., Megaraj, M., Nagarajan, L., Karthick, A., Bharani, M., & Patil, P.P. (2022). Dynamic analysis and fabrication of single screw conveyor machine. Advances in Materials Science and Engineering, 2022, article number 3843968. doi: 10.1155/2022/3843968.
[5] Özbek, O. (2020). Fuzzy modeling of volumetric efficiency and specific energy consumption in agricultural screw conveyors. Rural Engineering, 50(5), 1-8. doi: 10.1590/0103-8478cr20190764.
[6] Screw conveyor catalog & engineering manual. (2022). Retrieved from https://screwconveyor.com/wp-content/ uploads/2018/08/Screw-Conveyor-Catalog-SCC_787F.pdf.
[7] Engineering guide. Screw conveyors. (2022). Retrieved from https://www.kwsmfg.com/wp-content/themes/va/pdf/ Screw-Conveyor-Engineering-Guide.pdf.
[8] Screw conveyor catalog & engineering manual. (2022). Retrieved from https://orthman.com/wp-content/ uploads/2020/09/2005RP-Screw-conveyor-cat-1-31-08.pdf.
[9] Faulkner, L.L., & Earl, L.Jr. (Ed.). (2000). Handbook of machinery dynamics. Boca Raton: CRC Press. doi: 10.1201/9781482270372.
[10] Veltman, A., Pulle, D.W.J., & de Doncker, R.W. (2007). Fundamentals of electrical drives. Dordrecht: Springer. doi: 10.1007/978-1-4020-5504-1.
[11] Griffiths, D.F., & Higham, D.J. (2010). Numerical methods for ordinary differential equations. Dordrecht: Springer. doi: 10.1007/978-0-85729-148-6.
[12] Catalogue of industrial motors series AIR. (n.d.). Retrieved from https://samsnab.com.ua/docs/Katalogelektrodvigatelei- AIR-TM-ELMO.pdf.
[13] Korn, G.A., & Korn, T.M. (2013). Mathematical handbook for scientists and engineers: Definitions, theorems, and formulas for reference and review. New York: Dover Publications.
[14] Anastassiou, G.A. (2011). Intelligent systems: Approximation by artificial neural networks. Dordrecht: Springer. doi: 10.1007/978-3-642-21431-8.
[15] Kingma, D.P., & Ba, J. (2015). Adam: A method for stochastic optimization. Retrieved from https://arxiv.org/pdf/1412.6980.pdf.
[16] Romasevych, Y., Loveikin, V., & Makarets, V. (2020). Optimal constrained tuning of PI-controllers via a new PSObased technique. International Journal of Swarm Intelligence Research, 11(4), 87-105. doi: 10.4018/IJSIR.2020100104.
[17] Romasevych, Y., Loveikin, V., & Loveikin, Y. (2021). Development of new rotating ring topology of PSOalgorithm. In IEEE KhPI week on advanced technology, KhPI week 2021 (pp. 79-82). Kharkiv, NTU “KhPI”. doi: 10.1109/KhPIWeek53812.2021.9569973.
[18] The most accurate calculating tutorial of screw conveyor specification. (2022). Retrieved from https://vietmfg.com/ screw-conveyor-spec.
[19] Screw conveyor components & design. Version 2.20. (2022). Retrieved from https://edisciplinas.usp.br/pluginfile.php/4650272/mod_resource/content/0/Catalogo_Screw_Conveyor_Fabricante.pdf.
[20] Screw conveyor engineering guide. (2022). Retrieved from https://www.kwsmfg.com/wp-content/uploads/SC-Eng- Guide-Screw-Conveyor-Torque.pdf.