机械密封端面接触状态监测技术研究-仪器仪表工程专业论文.docxVIP

研究生优秀毕业论文 西南交通大学 西南交通大学 lIII I n1]llllll lira III Ill Ull IIIl Y281 3225 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密《使用本授权书。 (请在以上方框内打“寸’) 学位论文作者签名： 指导老师签名： 日期：Ⅶ【S，6．1( B觌咖l∑．6、1S 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1、分析进行机械密封接触状态监测的目的和意义，掌握机械密封的测量方法，常用参数以 及相关控制方法，建立机械密封膜厚测量实验平台并且分析了声发射这种方法； 2、从时域、频域和EEMD这三个方面提取了反映机械密封膜厚有效特征向量，并且利用核 主成分分析(KPCA)方法进行优化降维的处理，这样可以很大程度上简化后续的模型的输入和 计算： 3、掌握隐马尔科夫模型(HMM)和支持向量机(SVM)的基本理论，然后在分析HMM和 SVM用于机械密封膜厚的可行性的基础上，采用了基于离散型隐马尔科夫模型(DHMM)和SVM 的机械密封接触面的膜厚识别。， 4、在最后对于基于DHMM的机械密封膜厚识别方法和基于SVM的机械密封膜厚识别方法 的识别结果进行对比分析，证实了利用隐马尔科夫模型(HMM)和支持向量机(SⅥ垤)进行机 械密封端面接触状态的准确率和效率。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中 已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本 文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起 的一切法律责任将由本人承担。 学位论文作者签名：砂槎巍 日期：切fj．6．够 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 在工业化进程不断向前的今天，机械密封作为流体机械的关键技术也迅速发展起 来。维持机械密封的端面一定的膜厚状态是保证机械密封正常运行的关键。对于传统 的电涡流直接测量膜厚的方法需要破坏密封的内部结构不利于现场应用，不能满足现 代工业的日益增长的需求。而声发射检测无需改变机械密封结构这一特性使得近期声 发射成为研究热点。 本文以电涡流传感器直接测量膜厚信号和声发射传感器间接测量膜厚信号的方法 为基础，搭建了非接触式机械密封的膜厚状态监测的实验平台。通过恒压变转速以及 变压恒转速的采集相应的电涡流数据和声发射数据。由于声发射信号无法直接反应膜 厚信息，我们以直接测量的结果指导间接测量的结果，将声发射的信号按照膜厚程度 分成三组，以此展开基于声发射信号的膜厚状态监测的研究。 对于声发射信号先进行零均化处理，引入先进的信号分析技术总体经验模态分析 (ensemble empirical mode decomposition，简称EEMD)进行时频分析并对每个子频分 量提取时频域以及相关特征。由于声发射信号对环境噪声比较敏感，信号中包含大量 的随机干扰，‘因此往往难以提取出较好的特征。利用核主分量分析(Kernel Principal ComponentAnalysis，简称KPCA)对特征进行优化降维，不仅降低了特征维数减少了以 后的模型输入和计算量，而且削弱了特征之间的非线性相关程度。 本文中采用了支持向量机(SVM)和离散型隐马尔科夫模型(DHMM)这两个先 进理论分别进行模型的训练和最终膜厚的识别，并通过实验将两种方法进行了对比分 析。实验表明，DHMM模型的平均识别率(81．7％)低于SVM的平均识别率(94．8％)， 但由于DHMM建模简单，故其训练速度快于SVM。可以针对诊断系统侧重点的不同， 选择两种方法。总的来说两者都实现了机械密封端面膜厚状态的分类识别。这些研究 对不断完善机械密封端面膜厚状态具有一定的实际意义，也为机械密封端面膜厚监测 的工业应用提供了良好的技术支撑。 关键词：机械密封接触状态监测；声发射；总体经验模态分解；核主成分分析； 离散HMM；支持向量机 万方数据 西南交通大学硕