粒子滤波在机械密封端面接触状态声发射监测中的应用

机械密封端面运行过程中所产生的声发射信号在传递过程中容易受到环境噪声的干扰,难以有效地从背景噪声中分离出来。研究粒子滤波技术在机械密封端面膜厚及开启状态声发射监测中的应用。将声发射传感器安装在机械密封静环座上,对动静环端面开启状态进行外部间接检测;运用粒子滤波技术处理采集的声发射信号,提取信号时域、频域及小波包能量特征;建立BP神经网络模型,对机械密封端面开启状态及膜厚进行识别。结果表明：粒子滤波技术能够有效地将密封端面产生的信号从背景噪声中分离出来;通过BP神经网络对提取的特征值进行模式识别,实现了密封端面膜厚变化范围的间接测量。该方法分析结果与电涡流传感器直接测量所得到的结果完全一致。     

机械密封端面摩擦机理及其声发射信号特性研究

分析了机械密封端面摩擦机理，根据端面的摩擦机理，选用声发射信号(Acoustic Emission, AE),作为表征密封端面摩擦状态的监测信号，建立了基于AE信号的密封端面摩擦状态的监测模型。根据机械密封的工程应用需求，将密封端面工作状态分为三种类型：边界摩擦状态、混合摩擦状态和流体润滑状态，利用采集的声发射信号和建立的监测模型，能够有效地识别密封端面的工作状态，识别率大于70%。     

基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别

针对液膜密封状态监测领域无损监测开发不足、信号特征评估困难以及摩擦状态判别智能化特性缺乏的问题,提出一种基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法。该方法将声发射无损监测技术应用于液膜密封的摩擦状态监测,卷积神经网络作为液膜密封摩擦状态自主决策的实现手段,声发射信号的时频信息作为卷积神经网络的特征输入,分析短时傅立叶变换、 S变换以及小波变换3种时频分析方法对卷积神经网络识别性能的影响。结果表明：对于液膜密封的声发射信号,3种时频分析方法与卷积神经网络结合的优选顺序为：短时傅立叶变换、 S变换、小波变换;基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法准确率较高,相比其他识别方法取得了较好的识别效果。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。     

基于遗传算法改进的OVO TWSVM的机械密封状态研究

针对传统测试方法对实际工况下的密封端面状态识别准确率较低,且识别速度较慢的问题,提出了一种基于遗传算法改进的OVO TWSVM模型对密封状态进行识别。设计了2种工况,针对密封端面的声发射信号,先使用广义S变换对其进行滤波,提取典型时频域特征向量,合理划分训练和测试用例;构建了OVO TWSVM模型,并用遗传算法对其参数进行优化;对比优化前后的模型对样本的识别准确率,结果证明该方法具有更高的识别率,可应用于机械密封的状态识别。     

基于DHMM的机械密封端面膜厚识别技术的研究

维持机械密封端面间一定的膜厚是保证机械密封正常运行的关键,利用声发射技术监测得到的反映机械密封膜厚状态的信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射信号利用总体经验模式分解(EEMD)和离散隐马尔可夫模型(DHMM)识别的机械密封端面膜厚识别技术。首先对声发射信号进行分帧处理,运用EEMD方法对信号进行时频分析,对分解出的子频分量分别提取时域和频域特征,再由核主成分分析法对特征参数进行优化降维,利用简化后的特征参数矢量训练各个机械密封端面膜厚状态的DHMM,最后由训练好的DHMM实现机械密封端面膜厚状态的识别,从而实现机械密封端面接触状态的监测。试验研究表明:该方法能够快速有效地判断出膜厚状态,并且需要的训练样本少,训练速度快,对实现机械密封端面接触状态的智能化在线监测具有重要的意义。     

基于Elman神经网络与PSO算法的机械密封端面摩擦状态识别

声发射法可用于监测机械密封工作过程中端面的摩擦状态。为准确提取机械密封端面声发射信号特征,提出了一种利用PSO算法(Particle Swarm Optimization,粒子群优化)对Elman神经网络进行优化的方法。采用该方法对机械密封端面的摩擦状态进行识别,并比较了优化前后神经网络对机械密封端面摩擦状态的识别率。结果表明:经过PSO算法优化后的Elman神经网络对机械密封的端面摩擦状态有更高的识别率,从而实现了对机械密封端面摩擦状态实时有效的监测。     

基于声发射主轴机械密封开启状态识别技术

针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。     

基于声发射主轴机械密封端面开启状态识别技术

针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。     

机械密封端面液膜厚度状态检测技术研究

利用电涡流技术和声发射技术对静压型机械密封的端面膜厚分别进行直接和间接测量,研究机械密封在不同转速和压力下的膜厚变化规律,并通过先进信号分析和人工智能,研究密封在不同膜厚区间的声发射特征,建立基于人工神经网络的机械密封端面的状态识别模型,以实现对密封流体膜厚的区间估计。研究结果表明:机械密封工作时压力主要影响膜厚的变化区间,而转速主要影响膜厚的瞬时波动;构造的基于BP神经网络的联级决策模型,对于密封膜厚的平均识别率达到了85%,从而实现了机械密封端面膜厚从有损检测到无损检测的转变。     

声发射在密封监测领域的研究进展

将声发射无损检测技术应用到机械密封监测中是密封领域新的发展方向。从实验研究和理论研究两方面综述声发射在密封领域的研究进展;从早期的实验探索到后期的信号降噪、信号分析和信号识别等方面总结各阶段的研究成果,并且介绍机械密封相变实验研究;展望基于声发射的机械密封监测技术的未来发展方向,如将大数据技术应用到声发射信号的处理分析,探索声发射技术在机械密封不同方向监测的应用,如液膜相变的监测等。     

不同润滑状态下表面粗糙度对人字槽密封性能的影响

为研究端面形貌对液膜密封密封性能的影响,在人字槽液膜密封端面结构的基础上,建立考虑密封表面粗糙度的数学模型,采用端面形貌表征值(微凸体周向与径向的长度比)和表面粗糙度标准差(综合表面粗糙度的均方根偏差)表征粗糙参数,分析不同润滑状态下表面粗糙度参数对人字槽密封性能的影响。计算结果表明:在混合摩擦状态时,随着端面形貌表征值的增加,摩擦因数和泄漏量逐渐减小,液膜承载能力变大;随着表面粗糙度标准差的增加,摩擦因数和泄漏量变大,液膜承载能力下降;在全液膜密封状态时,随着端面形貌表征值的增加,摩擦因数不变,泄漏量减小,液膜刚度先增大后略为减小;随着表面粗糙度标准差的增加,摩擦因数不变,泄漏量和液膜刚度变大。     

核电站换料系统某型机械密封改进研究

该文对影响重水堆换料系统某型机械密封性能关键参数进行了分析确认。主要分析了液膜厚度与机械密封端面开启力关系,锥度对密封性能的影响,最终分析认为机械密封端面开启力和不够,液膜厚度较薄且液膜不稳定,使得密封端面发生混合摩擦接触状态,密封扭矩增大,泄漏率过低。结合分析结果,对机械密封的动环端面进行修磨,增大动环端面锥度。修磨后转动力矩和泄漏率测试结果良好,达到了预期目的。该项目研究成果具有一定的推广价值。     

基于声发射技术的螺栓状态监测研究

利用声发射技术监测螺栓工作过程中的状态变化,对声发射检测信号进行时域、频域及小波分析。结果表明,螺栓由于塑性变形和断裂引起的声发射频率明显区别于振动、撞击、摩擦等所产生的频率,验证了声发射技术用于连接螺栓状态辨识的可行性。     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

接触式机械密封端面泄漏模型的研究进展

泄漏率是评定机械密封性能的主要参数。接触式机械密封端面泄漏过程复杂,影响因素较多,且泄漏率是一个与运行时间相关的变量,而非稳态参数,因此其泄漏模型的建立是机械密封研究领域的难点。国内外的学者对接触式机械密封端面泄漏模型进行了大量的研究,相继提出了经验公式和数值计算模型。本文介绍了边界摩擦状态和混合摩擦状态的泄漏率经验公式;分析了包含密封端面间的液膜压力、微凸体接触比压、液膜厚度和载荷平衡方程的泄漏率数值计算模型,对不同作者在不同假设条件下采用数值计算模型得出的泄漏率计算结果进行了比较分析;探讨了经验公式和数值计算模型存在的问题。     

基于Elman神经网络与PSO算法的机械密封端面摩擦状态识别

搭建非接触式机械密封试验台,采用声发射传感器对机械密封接触状态进行监测,并采用离散隐马尔科夫模型和支持向量机方法对采集的信号进行模式分类识别。同时,采用电涡流传感器直接测量机械密封端面膜厚来验证发射传感器的测量结果。结果表明,离散隐马尔科夫模型和支持向量机方法均具有较高的识别准确率,其中支持向量机能更有效地实现机械密封接触状态的识别,从而能够实现机械密封性能的监测。     

基于DHMM和SVM的机械密封端面接触状态识别

搭建非接触式机械密封试验台,采用声发射传感器对机械密封接触状态进行监测,并采用离散隐马尔科夫模型和支持向量机方法对采集的信号进行模式分类识别。同时,采用电涡流传感器直接测量机械密封端面膜厚来验证发射传感器的测量结果。结果表明,离散隐马尔科夫模型和支持向量机方法均具有较高的识别准确率,其中支持向量机能更有效地实现机械密封接触状态的识别,从而能够实现机械密封性能的监测。     

接触式机械密封启停过程摩擦特性实验研究

为探讨接触式机械密封启停过程摩擦状态的转变特性,采用自主研发的摩擦磨损实验装置,对碳石墨-碳化硅配副材料的摩擦特性进行实验研究。通过采集启停过程中的声发射信号以及摩擦扭矩数据,分析二者之间的关联性,研究启停过程中端面摩擦状态的转变特性。结果表明：在启停阶段,声发射信号均方根值与摩擦扭矩值变化趋势相同,均为先增大后减小,最后再增大至一稳定值,二者具有很强的相关性;研究的配副材料在7 s左右出现声发射信号峰值,表明此时发生从干摩擦状态到混合摩擦状态的转变;稳定阶段的声发射信号以及摩擦扭矩值分别与转速、压力呈正比关系。     

基于声发射和小波神经网络的机械密封状态分类新方法

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。