基于声发射的非接触式机械密封膜厚检测技术-测试计量技术及仪器专业论文.docx

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．本试验以声发射技术为核心建立非接触式机械密封检测系统。在掌握声发射技 术要点的基础上，选用适当的传感器类型并确定传感器安装位置，搭建检测试验台。并 基于声发射信号的特点，制定声发射信号分析处理方案。 2．针对声发射信号的特点和粒子滤波算法(PF)的缺陷，提出基于高斯粒混合粒 子滤波(GSPF)的声发射信号滤波技术。在仿真实验中，从估计噪声、相关性和误差 等方面对比PF和GSPF，结果说明了GSPF的准确性和有效性。将GSPF运用于声发射 信号滤波，剔除背景噪声，得到能反映真实信号特性的有效值。 3．分析滤波后的声发射信号的特征，提取多个时域、频域和时频域特征值。滤波 后的声发射信号的特征值在不同状态下差异性比较明显，而且同一状态下的多组特征值 一致性较好，可以提高机械密封膜厚状态的识别效率。 4．研究BP网络和遗传算法，并将两者的融合技术应用于机械密封膜厚状态识别。 利用自适应遗传算法(AGA)优化BP网络，将AGA．BP网络运用于膜厚识别得到了 很好的识别效果。比较AGA-BP网络与基本BP网络的训练结果和识别结果，结果说 明AGA．BP网络具有学习速率高和识别率高等特点。 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己经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均己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：葛泛场 日期：啪『6车j月dl Jj． 1 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 非接触式机械密封是核电站的关键设备，也是流体机械中应用最广泛的设备之一。 非接触式机械密封的性能好坏和运行状态往往直接影响整个机械设备。近年来，日益严 峻的环境问题对非接触式机械密封的研究提出了巨大挑战。非接触式机械密封的理想工 作状态是端面开启厚度达到最优化，此时，密封端面既能得到良好润滑也能实现密封零 泄露量。本文的研究对象是液膜润滑非接触式机械密封，研究目的是实现密封端面膜厚 状态的有效检测。本文主要研究内容如下： 非接触式机械密封端面的接触状态变化时会产生声发射波，密封端面的声发射信号 能良好地反映出密封端面的接触状态。声发射技术可以实现对机械密封的动态无损检测， 具有灵敏度较高和适用范围广等特点。本文利用声发射技术搭建检测试验台并采集声发 射信号。然后基于声发射信号的特性，制定声发射信号分析处理方案。 采集的声发射信号含有大量背景噪声，直接对其进行信号分析难以反映机械密封端 面的真实状态，本文提出基于高斯混合粒子滤波(Gaussian Sum Particle Filter，简称GSPF) 的声发射信号滤波技术。GSPF算法在理论上改善了粒子滤波存在的问题，并且仿真实 验说明了GSPF具有过程噪声低和估计精度高等优点。将GSPF滤波技术应用于声发射 信号的分析与处理，结果说明GSPF提取的声发射信号能有效地反映真实信号的特性。 对滤波后的信号进行特征提取，试验中从时域、频域、时频域三个方面提取声发射 信号的特征值，包括：方差、均方根、峰值、歪度、波形因子、重心频率、频率方差、 均方频率、有效值、标准差、子带能量比。数据表明，多组声发射信号特征值，在不同 状态下具有明显的差异性，而在同一状态下一致性较好。这一方面说明本试验采用的滤 波技术效果突出；另一方面，得到较好的特征值可以提高机械密封膜厚状态的识别效率。 针对BP网络存在的问题，利用自适应遗传算法(Adaptive Genetic Algorithm，简 称AGA)对其进行网络优化。AGA采用自适应交叉率和变异率提高算法的收敛性，并 通过修剪相似个体和添加新个体防止“早熟”现象，具有更强的寻优能力和逼近能力。利 用AGA算法同时优化BP网络的初始权值、阈值和网络结构，并将AGA-BP网络运用 于膜厚识别得到了很高的识别率。对比实验显示，AGA．BP网络在训练速率和识别率等 方面的性能都优于基本BP网络。 本文的研究工作主要实现了非接触式机械密封端面膜厚状态识别，为今后非接触式 机械密封状态检测的深入分析提供理论依据和技术支撑。 关键词：非接触式机械密封；膜厚检测；声发射；滤波；模式识别 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1I页 Abstract Non—contact mechanical seal is widely used in fl