摘要：针对齿轮非线性动力学模型中因多源非线性因素导致计算效率低下，以及传统方法动态响应预测泛化性不足的双重难题，提出了一种基于人工神经网络（ANN）的齿轮非线性系统预测模型，通过理论与实验相结合的方法，验证其在实际应用中的可行性。首先，采用集中质量法建立了齿轮非线性系统模型，并通过数值仿真获取数据样本；然后，构建了包含两个线性层的ANN模型，指出了模型的3个评价指标，并通过训练该模型确定了最优的模型参数，进而完成了对齿轮系统振动情况的有效预测工作；最后，搭建了齿轮系统实验台架，将实验数据分三个批次进行了独立训练，进一步验证了预测模型的有效性。研究结果表明：基于ANN的预测模型仅在振动加速度均方根值(x2)的低值范围内对其预测效果相对一般；然而，x2在数值较大的区间内与仿真值高度吻合；此外，随着扭矩(Fem)的增大，模型对振动位移均方根值(x1)和振动加速度均方根值(x2)的预测精度逐步提升；尽管实验样本数据量有限，但预测模型的决定系数(R2)均超过了0.98，且损失函数值均远低于0.1，充分证明了模型的高度准确性和可靠性。该研究可以为齿轮系统的振动预测、故障诊断以及性能优化提供理论支撑和实践指导。
文章目录
0 引 言
1 齿轮非线性系统的理论研究
1.1 齿轮非线性系统模型的建立
1.2 人工神经网络
1.3 评价指标
1.4 模型的训练、测试与评价
2 齿轮系统的实验研究
2.1 实验台架
2.2 齿轮非线性系统预测模型的实验研究
3 结束语
