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。     

转子涡动工况下螺旋槽液膜密封性能研究

基于转子在临界转速下的涡动特性,分析转子涡动的轴心运动轨迹.由于动环圆心运动轨迹追随转子,故以动环圆心的圆形运动轨迹为研究点,建立动环偏心的液膜区域模型.采用有限差分法对广义雷诺方程进行离散,通过SOR迭代方法对离散方程进行求解,得到液膜密封端面压力分布,并探讨动环偏心距对液膜开启力、摩擦扭矩、泄漏量以及空化率等液膜密...