论文部分内容阅读
机械密封是旋转型流体机械防止泄漏的关键部件,也是实现现代过程工业安全生产和环境保护的有力保障。有效监测机械密封的端面运行状态并对其进行健康评估,将有助于对密封失效进行早期预警。本文在分析机械密封工作及失效机理的基础上,以流体动压型机械密封为监测对象,运用现代信号处理及模式识别技术,提出了密封开启转速及膜稳定性的声发射检测方法,并通过提取表征密封端面磨损的数据特征,对流体动压型机械密封的端面健康评估方法进行了研究。具体内容及成果分别如下:(1)阐述了密封的基本工作机理,分析了基于密封开启转速和膜稳定性来评估密封端面健康状况的可行性。基于流体动静压型机械密封试验台,搭建了以电涡流、声发射和振动检测为主的密封多传感器信号监测系统,设计并进行了密封开启转速、膜稳定性以及端面磨损的数据采集试验,为论文的方法验证提供了数据支持。(2)对试验信号的基本特性进行了分析,阐明了试验中信号产生及变化的机理。在此基础上,定义了密封的开启阶段和膜稳定状态,并通过对密封在不同转速下的噪声特性及振动特性进行研究,为论文建立密封开启转速以及膜稳定性的声发射检测模型提供了依据。(3)研究了基于声发射信号的流体动压型机械密封开启转速检测方法。针对密封开启瞬间信号和噪声频谱随机混叠以及样本难以获取的问题,提出了基于遗传粒子滤波(GPF)和最小二乘支持向量机(LS-SVM)的声发射建模方法。首先利用GPF对密封的声发射信号降噪,然后对降噪后的信号抽取特征,并利用LS-SVM来构建密封端面摩擦状态的识别模型。在完成建模的基础上,再根据密封在不同转速下的摩擦状态变化来对其开启转速进行测定。试验数据表明,该方法得到的结果与标准值相差不超过3r.min-1,因此能有效实现流体动压型机械密封的开启转速检测。(4)研究了基于声发射信号的流体动压型机械密封膜稳定性检测方法。针对密封工作中声发射信噪比极低以及样本信息不均的问题,提出了基于粒子群快速独立分量分析(PS-FastICA)和包含异类样本的支持向量数据描述(SVDD-Neg)的声发射建模方法。首先利用PS-FastICA提取密封声发射信号中的微弱液膜信息;然后对提取的信号分量抽取特征,并利用SVDD-Neg来构建密封液膜稳定状态的识别模型。在完成建模的基础上,再根据密封在一个观测周期中多个声发射数据样本的识别结果来判定其液膜是否稳定。试验数据表明,该方法的准确率超过90%,因此能有效实现流体动压型机械密封的膜稳定性检测。(5)研究了基于密封开启转速和膜稳定性的流体动压型机械密封端面健康评估方法。在分析密封端面几种典型磨损形式的基础上,首先利用Elman神经网络分别基于密封的开启转速和膜稳定性来建立密封端面健康状态的评估模型,然后针对传统Dempster-Shafer (D-S)证据融合规则面对高冲突证据而融合失效的问题,提出一种新的合成规则来对两个神经网络的决策结果进行融合。试验数据表明,该规则不仅能有效提升流体动压型机械密封端面健康状态评估的准确率,且较之其它一些经典合成规则具有更好的鲁棒性和可靠性。