机械密封的健康评估研究

机械密封端面膜厚状态是表征机械密封健康状况的重要参数,通过评估密封膜厚状态可以有效的延长机械密封的使用寿命,降低机械工作过程中的故障率。为了评估流体动压型机械密封开启过程的健康状态,该研究通过在实验平台上利用声发射和电涡流传感器对其信号进行实时监测并采集信号。将实验采集的信号进行处理,利用KPCA方法降维优化抽取的特征参数,采用DHMM算法建立模型进行训练并测试。结果表明,DHMM模型能够对机械密封的健康状态进行有效的评估。     

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。     

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。     

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。     

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。     

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%。     

基于自校正Kalman滤波的液膜密封端面摩擦状态监测技术

声发射技术是液膜密封端面摩擦状态的有效检测方法,但是受工业背景噪声的影响,难以分离出声发射信号中所需信息。针对此问题,采用基于ARMA模型的自校正Kalman滤波技术处理声发射信号。该滤波器能在系统模型参数和噪声特性未知的情况下,收敛于稳态最优卡尔曼滤波器,因此滤波后的声发射信号的所需特征信号更突出,有利于液膜密封端面摩擦状态的检测。建立RBF神经网络,以时域、频域和时频域特征值作为输入进行网络训练,实现密封端面摩擦状态模式识别。实验结果证明,该监测方法能实时有效地识别端面摩擦状态,识别结果与电涡流直接测量得到的结果一致。     

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。     

GY70型机械密封端面摩擦状态试验研究

机械密封端面摩擦状态包括干摩擦、边界摩擦、流体摩擦和混合摩擦.端面摩擦状态是决定机械密封工作寿命和密封性能好坏的关键因素.本文探讨了判断机械密封端面摩擦状态的摩擦因数法、工况参数法、Mayer法和相对膜厚法.对GY70型机械密封的端面摩擦状态进行了试验研究.研究表明,当弹簧比压为0.0866MPa、介质压力为0.45MPa、转速在1116～2940r/min范围内时,GY70型机械密封端面间的摩擦状态为边界摩擦.     

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。     

Multivariate and multiscale monitoring of large-size low-speed bearings using Ensemble Empirical Mode Decomposition method combined with Principal Component Analysis

With a view to detecting incipient failures in large-size low-speed rolling bearings and ensuring minimal effect of subjectivity on the process, a new data-driven multivariate and multiscale statistical monitoring method is proposed. The proposed method which combines the Principal Component Analysis (PCA) multivariate monitoring approach and the Ensemble Empirical Mode Decomposition (EEMD) method, which adaptively decomposes signals into various time scales, was called the EEMD-based multiscale PCA (EEMD–MSPCA). The method is very general in nature, which is why it could also be used in different areas and for various tasks. It can be used for controlling each time scale of decomposition or only the selected ones, for multivariate and multiscale filtering or for monitoring system operation on the basis of reconstructed i.e. filtered signals. The efficiency of the proposed EEMD–MSPCA method for the task of bearing condition monitoring and signal filtering was evaluated on simulated as well as on actual vibration and Acoustic Emission (AE) signals measured on a purpose built test stand. The fact that the proposed method is able to identify the local bearing defect of a very small size indicates that AE and vibration signals carry sufficient information on the bearing condition and that the proposed EEMD–MSPCA method ensures high-reliability bearing fault detection.     

Face Rub-Impact Monitoring of a Dry Gas Seal Using Acoustic Emission

Face rub-impact of a dry gas seal was investigated using acoustic emission (AE) technology. A force applicator was designed and mounted on the seal test rig to provide controlled misalignment and thus induce rub-impact of the seal faces. Two types of AE sensor were mounted at different positions on the seal. For the PICO AE sensor mounted directly on the seal ring, the root mean square (RMS) of the original AE signal was sensitive to face rub-impact of the seal. When force was applied, the AE RMS of the PICO sensor gave a distinct periodic waveform with a period consistent with the rotational period above an initial noise signal. The magnitude and shape of the waveform changed as the applied force increased. For the R15α AE sensor mounted on the housing of the seal, no obvious changes could be found from the RMS of the original AE signal synchronously obtained during loading. Two kinds of signal processing methods were tried to eliminate noise. After band-pass filtering, the RMS of the AE signals of the R15α sensor indicated face rub-impact when the misalignment was relatively large. The empirical mode decomposition method using masking signals was found to be more effective than band-pass filtering in eliminating the noise but took much more computational time. The results indicate that the AE technology is a potentially effective tool in monitoring and investigating face rub-impact of dry gas seals.     

机械密封端面黏着磨损分形模型

在机械密封端面接触分形模型基础上,依据Archard磨损理论,通过引入分形磨损系数及求解塑性和弹塑性变形微凸体的体积,建立了机械密封端面黏着磨损分形模型。得到了机械密封软质环端面磨损率与端面轮廓分形参数、真实接触面积、材料性能参数以及工作参数之间的关系式。对B104a-70型机械密封软质环端面的磨损率进行了计算和分析。结果表明,端面磨损率随着端面比压、转速及端面特征尺度系数的增大而增大;随着端面分形维数的增大先迅速减小后逐渐增大,即存在一个使磨损率最小的最优分形维数。     

机械密封端面摩擦特性参数及其测试技术

机械密封端面摩擦特性是决定机械密封工作寿命和密封性能好坏的关键因素,机械密封端面摩擦特性参数的测试是机械密封试验研究和产品质量评价中的关键技术。分析了表征机械密封端面摩擦特性的常用性能参数,介绍了端面摩擦扭矩、端面磨损量、端面温度、端面流体膜厚及端面流体膜压的测试技术,探讨了常用测试方法的优缺点及难点。指出了消除测试过程中外部较大的干扰信号是提高测试精度和可靠性的关键,而基于传感技术的计算机数据采集与处理是机械密封端面摩擦特性参数测试技术的发展趋势。     

考虑粗糙度效应的微孔化机械密封摩擦副接触特性分析

针对机械密封装置在启停阶段或某些特定工况下出现高温以及摩擦磨损严重等问题，探究考虑粗糙度效应的微孔化机械密封端面接触压力及温升的变化规律，以揭示机械密封端面的真实接触状态。基于分形理论建立机械密封静环粗糙表面和动环微孔接触模型，采用数值计算方法，研究微孔对机械密封端面接触压力和温升的影响，以及表面粗糙度对机械密封端面接触面积、接触压力、温升的影响。结果表明：微凸体经过微孔时，微凸体嵌入微孔边缘使得接触压力峰值增大，导致切削发生；摩擦过程中，压力最高点位置因为微凸体的弹塑性变形而不固定，改善了微凸体的受力情况；微孔降低了密封端面的接触面积，从而使得微凸体的接触减少、压力极值点减少，降低了密封端面摩擦副的温度，改善了密封端面的磨损状况；表面粗糙度越小，接触面积越大，接触压力、端面温度更加均匀，表面粗糙度越大，端面磨损风险更加严重。     

An Acoustic Emission Study on the Starting and Stopping Processes of a Dry Gas Seal for Pumps

The starting process and the stopping process of a double dry gas seal for pumps were investigated by acoustic emission (AE) testing. The characteristic frequency band of contact of the seal faces was distinguished from noises in three different comparative experiments. The root mean square (RMS) of the AE signals after band-pass filtering was determined to effectively reflect the contact condition of the seal faces. Based on the characteristics of the AE RMS, both the starting process and the stopping process could be divided into three periods, and a lift-off rotational speed and a touch-down rotational speed were defined. The lift-off speed varied non-monotonically with the inlet pressure. The lift-off speed was smallest at a certain pressure, which meant that at that speed the seal faces lift-off most easily. The behavior of the touch-down speed was similar to that of the lift-off speed, but was a little smaller than the latter. These results reveal the potential of AE technology for monitoring the contact condition of dry gas seals during the starting and stopping processes and may help in the design and operation of the dry gas seals.     

扩压式自泵送机械密封参数化建模研究

目前对机械密封端面型槽多采用多段线拟合或者点拟合的方法来形成近似的螺旋线,模拟效率低且模拟结果准确性不高。提出准确性更高的、参数方程驱动的对数螺旋线型槽绘制方法,基于Visual Basic编程语言对SolidWorks软件进行二次开发,实现对扩压式自泵送机械密封动环端面及其流体计算域的参数化建模。研究表明：参数化所建模型,其密封端面结构及流体域参数可以便捷修改,型槽的绘制更加快速,绘制的槽线更加顺滑,更接近于真实型槽曲线;参数化建模结果能够导入ICEM等软件进行处理,为扩压式自泵送机械密封性能数值模拟效率的提升奠定了技术基础。     

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。