流體動壓型機械密封開啟過程的聲發(fā)射特征監(jiān)測研究.pdf

1、機械密封是旋轉機械中最常用的軸封形式之一，因其可靠性高、泄漏量少、工作壽命長和適用性強等特點，被廣泛地用于石油化工、航天航空和核電能源等領域。因此，機械密封件的使用性能將直接對機械生產設備的安全性、生產過程的效率和生產成本產生影響。為此，對機械密封件采取實時狀態(tài)監(jiān)測，獲取有用的特征信息，分析機械密封在啟動過程中的端面摩擦狀態(tài)，將是十分必要的?？梢栽诿芊饧凹皶r發(fā)現并維修，避免因過早更換密封件造成的資源浪費、成本提高，或是延遲更換造成

2、的安全事故。
　　通過機械密封開啟過程監(jiān)測實驗的設計，選取電渦流和聲發(fā)射法對密封端面的膜厚信息進行監(jiān)測。實驗采集了機械密封在開啟全過程中的電渦流和聲發(fā)射信號，通過對電渦流信號的分析，建立起信號的變化與端面接觸狀態(tài)和摩擦狀態(tài)改變的對應關系。將密封的開啟過程分為干摩擦、混合摩擦和流體摩擦三種摩擦狀態(tài)，采集的信號在這三個狀態(tài)中均有明顯的特征體現。然后對開啟過程中的聲發(fā)射信號進行分析，聲發(fā)射信號的變化情況也能與三種摩擦狀態(tài)進行對應，采用小

3、波包分析法對信號進行降噪處理。在設計的有無密封環(huán)對比實驗中，分析得到中高頻信號包含更多的與機械密封有關的信息的結論，選取聲發(fā)射信號中的高頻信息，根據機械密封端面的摩擦特性選擇適合的特征指標，進行時頻域特征提取，篩選得到有效的聲發(fā)射信號特征。
　　篩選得到的特征進行歸一化處理后，分析特征對三種摩擦狀態(tài)具有較好的可識別性。將歸一化后的特征值作為Elman神經網絡的輸入向量，構建含反饋層的四層網絡模型。利用訓練樣本進行訓練后，對測試樣本

4、進行識別，得到較好的識別效果。之后選取不同的訓練樣本和測試樣本，建立不同的網絡模型進行模式識別，發(fā)現均能很好地將不同的摩擦狀態(tài)數據進行分類。結果證明，選取的聲發(fā)射特征能有效地識別機械密封開啟過程中的端面情況。基于PSO算法實現對神經網絡的優(yōu)化，通過加慣性權重因子和矩陣化設計實現了對PSO算法的改進，提高了算法的運行效率同時提升了算法的收斂速度。對比優(yōu)化前后神經網絡的輸出結果證實，PSO算法對神經網絡的訓練速度和精度、收斂速度和狀態(tài)識別精