本文關(guān)鍵詞：機(jī)械密封端面接觸狀態(tài)監(jiān)測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在工業(yè)化進(jìn)程不斷向前的今天,機(jī)械密封作為流體機(jī)械的關(guān)鍵技術(shù)也迅速發(fā)展起來(lái)。維持機(jī)械密封的端面一定的膜厚狀態(tài)是保證機(jī)械密封正常運(yùn)行的關(guān)鍵。對(duì)于傳統(tǒng)的電渦流直接測(cè)量膜厚的方法需要破壞密封的內(nèi)部結(jié)構(gòu)不利于現(xiàn)場(chǎng)應(yīng)用,不能滿足現(xiàn)代工業(yè)的日益增長(zhǎng)的需求。而聲發(fā)射檢測(cè)無(wú)需改變機(jī)械密封結(jié)構(gòu)這一特性使得近期聲發(fā)射成為研究熱點(diǎn)。本文以電渦流傳感器直接測(cè)量膜厚信號(hào)和聲發(fā)射傳感器間接測(cè)量膜厚信號(hào)的方法為基礎(chǔ),搭建了非接觸式機(jī)械密封的膜厚狀態(tài)監(jiān)測(cè)的實(shí)驗(yàn)平臺(tái)。通過(guò)恒壓變轉(zhuǎn)速以及變壓恒轉(zhuǎn)速的采集相應(yīng)的電渦流數(shù)據(jù)和聲發(fā)射數(shù)據(jù)。由于聲發(fā)射信號(hào)無(wú)法直接反應(yīng)膜厚信息,我們以直接測(cè)量的結(jié)果指導(dǎo)間接測(cè)量的結(jié)果,將聲發(fā)射的信號(hào)按照膜厚程度分成三組,以此展開(kāi)基于聲發(fā)射信號(hào)的膜厚狀態(tài)監(jiān)測(cè)的研究。對(duì)于聲發(fā)射信號(hào)先進(jìn)行零均化處理,引入先進(jìn)的信號(hào)分析技術(shù)總體經(jīng)驗(yàn)?zāi)B(tài)分析(ensemble empirical mode decomposition,簡(jiǎn)稱EEMD)進(jìn)行時(shí)頻分析并對(duì)每個(gè)子頻分量提取時(shí)頻域以及相關(guān)特征。由于聲發(fā)射信號(hào)對(duì)環(huán)境噪聲比較敏感,信號(hào)中包含大量的隨機(jī)干擾,因此往往難以提取出較好的特征。利用核主分量分析(Kernel Principal Component Analysis,簡(jiǎn)稱KPCA)對(duì)特征進(jìn)行優(yōu)化降維,不僅降低了特征維數(shù)減少了以后的模型輸入和計(jì)算量,而且削弱了特征之間的非線性相關(guān)程度。本文中采用了支持向量機(jī)(SVM)和離散型隱馬爾科夫模型(DHMM)這兩個(gè)先進(jìn)理論分別進(jìn)行模型的訓(xùn)練和最終膜厚的識(shí)別,并通過(guò)實(shí)驗(yàn)將兩種方法進(jìn)行了對(duì)比分析。實(shí)驗(yàn)表明,DHMM模型的平均識(shí)別率(81.7%)低于SVM的平均識(shí)別率(94.8%),但由于DHMM建模簡(jiǎn)單,故其訓(xùn)練速度快于SVM�？梢葬槍�(duì)診斷系統(tǒng)側(cè)重點(diǎn)的不同,選擇兩種方法。總的來(lái)說(shuō)兩者都實(shí)現(xiàn)了機(jī)械密封端面膜厚狀態(tài)的分類(lèi)識(shí)別。這些研究對(duì)不斷完善機(jī)械密封端面膜厚狀態(tài)具有一定的實(shí)際意義,也為機(jī)械密封端面膜厚監(jiān)測(cè)的工業(yè)應(yīng)用提供了良好的技術(shù)支撐。
【關(guān)鍵詞】：機(jī)械密封接觸狀態(tài)監(jiān)測(cè) 聲發(fā)射 總體經(jīng)驗(yàn)?zāi)B(tài)分解 核主成分分析 離散HMM 支持向量機(jī)
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TH136
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-18
• 1.1 本課題研究的目的和意義11
• 1.2 機(jī)械密封端面接觸狀態(tài)監(jiān)測(cè)國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)11-12
• 1.3 機(jī)械密封的技術(shù)綜述12-16
• 1.3.1 表征機(jī)械密封端面接觸情況的常用參數(shù)13
• 1.3.2 表征機(jī)械密封端面接觸情況的相關(guān)測(cè)量方法13-15
• 1.3.3 機(jī)械密封端面接觸情況的相關(guān)控制方法15-16
• 1.3.4 總結(jié)16
• 1.4 本文主要研究?jī)?nèi)容16-18
• 第2章 機(jī)械密封監(jiān)測(cè)實(shí)驗(yàn)系統(tǒng)和實(shí)驗(yàn)數(shù)據(jù)分析18-25
• 2.1 聲發(fā)射技術(shù)18
• 2.2 機(jī)械密封聲發(fā)射信號(hào)波形參數(shù)及特點(diǎn)18-19
• 2.3 聲發(fā)射傳感器的安裝19-20
• 2.4 實(shí)驗(yàn)裝置和系統(tǒng)20-21
• 2.5 實(shí)驗(yàn)采集信號(hào)的觀察與討論21-24
• 2.6 本章小結(jié)24-25
• 第3章 特征參數(shù)提取和優(yōu)化降維25-39
• 3.1 聲發(fā)射信號(hào)的抽取25
• 3.2 數(shù)據(jù)零均化25-26
• 3.3 EEMD分析26-32
• 3.3.1 EMD方法分解的基本原理26-28
• 3.3.2 Hilbert譜28-29
• 3.3.3 EEMD29-32
• 3.4 時(shí)域分析特征提取32-33
• 3.5 頻域分析特征提取33-34
• 3.6 特征參數(shù)降維34-38
• 3.6.1 KPCA原理34-36
• 3.6.2 機(jī)械密封狀態(tài)監(jiān)測(cè)特征參數(shù)降維36-38
• 3.7 本章小結(jié)38-39
• 第4章 SVM基本理論、算法及其在故障診斷中的應(yīng)用39-49
• 4.1 SVM基本理論39-42
• 4.1.1 線性可分情況39-41
• 4.1.2 線性不可分的情況41-42
• 4.2 基于支持向量機(jī)的狀態(tài)分類(lèi)識(shí)別算法42-43
• 4.3 支持向量機(jī)參數(shù)選擇43-46
• 4.4 支持向量機(jī)核函數(shù)類(lèi)型選擇46-47
• 4.5 機(jī)械密封實(shí)驗(yàn)數(shù)據(jù)測(cè)試47-48
• 4.6 本章小結(jié)48-49
• 第5章 DHMM基本理論及其在機(jī)械密封診斷中的應(yīng)用49-58
• 5.1 HMM基本理論49-52
• 5.1.1 HMM基本概念49-51
• 5.1.2 HMM分類(lèi)51-52
• 5.2 HMM基本算法52-56
• 5.2.1 前向-后向算法52-54
• 5.2.2 Viterbi算法54-55
• 5.2.3 Baum-Welch算法55-56
• 5.3 HMM在模式分類(lèi)中的作用56-57
• 5.4 本章小結(jié)57-58
• 第6章 基于DHMM的機(jī)械密封端面接觸狀態(tài)識(shí)別58-66
• 6.1 信號(hào)的分幀處理58
• 6.2 特征矢量的標(biāo)量量化58-59
• 6.3 多觀測(cè)樣本序列的DHMM訓(xùn)練59-60
• 6.4 DHMM應(yīng)用于機(jī)械密封膜厚識(shí)別60-61
• 6.5 診斷實(shí)驗(yàn)61-64
• 6.5.1 DHMM訓(xùn)練61-62
• 6.5.2 DHMM診斷結(jié)果62-64
• 6.6 兩種膜厚識(shí)別方法對(duì)比分析64-65
• 6.7 本章小結(jié)65-66
• 結(jié)論66-67
• 致謝67-68
• 參考文獻(xiàn)68-71
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王和順,陳次昌,黃澤沛,王新霖;聲波檢測(cè)技術(shù)在機(jī)械密封端面接觸測(cè)量中的應(yīng)用[J];機(jī)械與電子;2004年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 曹翌佳;氣固反應(yīng)器中基于聲發(fā)射信號(hào)的故障檢測(cè)與診斷[D];浙江大學(xué);2010年

  本文關(guān)鍵詞：機(jī)械密封端面接觸狀態(tài)監(jiān)測(cè)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：257367