基于多通道卷积神经网络（Multi-Channel CNN）和跨模态变换器（Cross-Modal Transformer）的刀具RUL预测方法 刘长福（Changfu Liu） 刘玉白（Yubai Liu） 孙晓宁（Xiaoning Sun） 王萌（Meng Wang） 冯思琪（Siqi Feng） 李月龙（Yuelong Li） 高晶晶（Jingjing Gao）

《Lubricants》：RUL Prediction Method for Tools Based on Multi-Channel CNN and Cross-Modal Transformer Changfu Liu, Yubai Liu, Xiaoning Sun, Meng Wang, Siqi Feng, Yuelong Li and Jingjing Gao

　　

摘要

本研究通过考虑空化效应和热弹性变形，探讨了非牛顿流体对液膜密封性能的影响——这些因素在高压密封应用中至关重要，例如核反应堆冷却泵和航空航天系统。我们开发了一个耦合数值模型，该模型同时使用幂律本构模型求解雷诺方程以分析流体动力性能，并利用能量方程和热结构分析来确定密封环的温度分布和径向锥形变形。研究结果表明，幂律指数（n）对密封行为有显著影响：剪切稀化流体（n < 1）由于空化区域的扩大而使承载能力降低了12.7%；而剪切增稠流体（n > 1）则由于热诱导的锥形收缩效应使摩擦扭矩增加了18.3%。我们建立了流变特性、热变形和密封性能之间的定量关系，证明了非牛顿流体的特性从根本上改变了液膜密封中的流体-结构相互作用机制。这些发现为在极端工作条件下优化密封设计提供了理论基础，尤其是在传统牛顿假设不再适用的情况下，特别是在核能和航空航天密封系统中提高可靠性的关键需求方面。