流体动压型机械密封开启过程的声发射特征监测研究-仪器仪表工程专业毕业论文.docxVIP

研究生优秀毕业论文 西南交通大学 西南交通大学曲南父迥大罕 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．不保密回，使用本授权书。 (请在以上方框内打“4”) 学位论文作者签名而＼爷 指导老师签名： 日期：如膳．s．椤 日期：2夕cS。S。(岁 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．本文介绍了机械密封开启过程监测的目的与意义，分析了目前国内外对机械密封 研究的现状，同时也分析了机械密封端面动态信息的内容和几种常用的信息采集方法。 2．搭建机械密封开启状态监测实验平台，用电涡流和声发射方法采集端面的膜厚信 息，．按照端面开启过程的接触状态变化，将开启过程分为干摩擦、混合摩擦和流体摩 擦三个摩擦状态。 3．设计有无密封环对比实验，说明主轴声发射信号对总体声发射信号的影响，处理 得到包含密封环信号的数据。 4．介绍小波分析相关理论，对声发射信号进行小波包降噪处理，提取高频分量后， 进行时频域分析，筛选得到对不同摩擦状态敏感的有效特征。 5．介绍神经网络原理和设计方法，构建Elman神经网络对机械密封三种摩擦状态 进行分类识别。建立不同的网络模型，验证声发射特征识别效果。 6．基于PSO算法实现对神经网络的优化，通过加惯性权重因子和矩阵化设计实现 了对PSO算法的改进。对比优化前后神经网络的输出结果，分析PSO算法对神经网络 的优化效果。 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。 学位论文作者躲训事 日期：如肘～．7 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 机械密封是旋转机械中最常用的轴封形式之一，因其可靠性高、泄漏量少、工作 寿命长和适用性强等特点，被广泛地用于石油化工、航天航空和核电能源等领域。因 此，机械密封件的使用性能将直接对机械生产设备的安全性、生产过程的效率和生产 成本产生影响。为此，对机械密封件采取实时状态监测，获取有用的特征信息，分析 机械密封在启动过程中的端面摩擦状态，将是十分必要的。可以在密封件失效前及时 发现并维修，避免因过早更换密封件造成的资源浪费、成本提高，或是延迟更换造成 的安全事故。 通过机械密封开启过程监测实验的设计，选取电涡流和声发射法对密封端面的膜 厚信息进行监测。实验采集了机械密封在开启全过程中的电涡流和声发射信号，通过 对电涡流信号的分析，建立起信号的变化与端面接触状态和摩擦状态改变的对应关系。 将密封的开启过程分为干摩擦、混合摩擦和流体摩擦三种摩擦状态，采集的信号在这 三个状态中均有明显的特征体现。然后对开启过程中的声发射信号进行分析，声发射 信号的变化情况也能与三种摩擦状态进行对应，采用小波包分析法对信号进行降噪处 理。在设计的有无密封环对比实验中，分析得到中高频信号包含更多的与机械密封有 关的信息的结论，选取声发射信号中的高频信息，根据机械密封端面的摩擦特性选择 适合的特征指标，进行时频域特征提取，筛选得到有效的声发射信号特征。 筛选得到的特征进行归一化处理后，分析特征对三种摩擦状态具有较好的可识别 性。将归一化后的特征值作为Elman神经网络的输入向量，构建含反馈层的四层网络 模型。利用训练样本进行训练后，对测试样本进行识别，得到较好的识别效果。之后 选取不同的训练样本和测试样本，建立不同的网络模型进行模式识别，发现均能很好 地将不同的摩擦状态数据进行分类。结果证明，选取的声发射特征能有效地识别机械 密封开启过程中的端面情况。基于PSO算法实现对神经网络的优化，通过加惯性权重 因子和矩阵化设计实现了对PSO算法的改进，提高了算法的运行效率同时提升了算法 的收敛速度。对比优化前后神经网络的输出结果证实，PSO算法对神经网络的训练速 度和精度、收敛速度和状态识别精度等方面，均有明显的优化效果。 关键词：机械密封；状态监测；小波包；声发射特征； Elman神经网络；PSO 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