机械密封环密封端面质量控制方法技术

本发明专利技术公开了机械密封环密封端面质量控制方法。本发明专利技术中，建了以电涡流、声发射和振动检测为主的机械密封信号监测系统；并根据技术路线，分别设计了针对密封开启过程、工作过程和磨损过程的数据采集试验。从而为进一步构建密封的端面健康评估模型提供数据支持，提高了对于该机械密封环密封端面质量检测时的数据精确性；随着密封端面的不断磨损，密封的开启转速和膜稳定参数将逐渐增加，利用以上信息来训练神经网络，则能有实现流体动压型机械密封的端面健康评估。试验中，两个密封环转速检测神经网络在总体上都表现出了较好的识别率，从而提高了对于密封端面质量控制检测时的全面性，同时也为后续的试验研究过程提供了良好的数据支撑。数据支撑。数据支撑。

【技术实现步骤摘要】
机械密封环密封端面质量控制方法


[0001]本专利技术属于机械密封
，具体为机械密封环密封端面质量控制方法。

技术介绍

[0002]机械密封是指由至少一对垂直于旋转轴线端面在流体压力和补偿机构弹力(或磁力)的作用下以及辅助密封的配合下保持贴合且相对滑动所构成的防止流体泄漏的装置。机械密封的过程中需要用到机械密封环。
[0003]机械密封环在生产时需要对其进行端面质量控制检测，但是常见的检测方法精度不够高。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供机械密封环密封端面质量控制方法。
[0005]本专利技术采用的技术方案如下：机械密封环密封端面质量控制方法，其特征在于：所述机械密封环密封端面质量控制方法包括以下步骤：
[0006]S1:先进行传感器的按，安装电涡流传感器是基于被测导体在磁场中切割磁感线所产生的漩涡状感应电流来测定密封环两个端面之间的距离；由于该传感器所检测的对象必须是金属，且测量时不能直接对密封环端面造成破坏
[0007]S2:进行声发射传感器的安装，将其中一个声发射传感器安装在密封腔前端，距离密封端面较近；而将另一个传感器安装在密封腔侧沿，距离密封端面较远；
[0008]S3:首先利用电涡流、声发射和振动传感器对机械密封进行多通道同步信息采集，接着再将各传感器所检测信号通过信号调理仪放大，最后再将调理后的信号通过不同频率的数据采集卡传入至工控机；
[0009]S4:进行信号的抽取；从三种膜厚状态的声发射信号组中，按照所给压力的不同合主轴转速的不断增加，均匀地抽取60个数据包，保证每个数据包都包括连续采样得到的30万个点；接下来平均把数据包分成三段(为减少庞大的计算量，在接下来DHMM中我们将把这三段作为DHMM的帧数，即60个样本，每组分成3帧；每种状态则有180个数据段，即180个初始样本，之后对数据进行先进行零均值化处理，又叫做中心化处理；
[0010]S5:进行频域分析特征提取；经过频谱分析，能直观看到信号在频谱图上的频率分布情况、各个谐波幅值大小、相位等其他基本参数，此后就可以通过一定的计算方法来得到如功率、能量等值来反映频谱结构的特征参数；
[0011]S6:对得到的特征参数向量进行降维优化处理，剔除特征向量参数中相互关联的子集，减少模式识别训练运算难度，提高膜厚状态识别精度；
[0012]S7:开始进行密封环转速检测，先进行信号的分帧处理；将采集的机械密封数据均匀划分为T段，每一段对应各时刻的观测值，这样O＝{D1，D2，03，...q)就成为一个观察序列；每个膜厚状态样本的300000个采样数据点分成3帧，则帧长为100000；这样就将每种膜
厚状态对应的采样样本分成短序列，然后对每帧分别提取特征参数，就得到了每帧的特征值，假设第n帧信号的特征参数为On，再将各帧的特征值参数向量汇总为观察值序列D＝(q1，q2，q3)；
[0013]S8:到足够的观测值的样本的序列后，针对算法存在的下溢的问题，采用改进后的公式重估模型，得各状态的HMM模型对应的参数；然后(2)得到的得数据建立三种机械密封膜厚状态的HMM模型；
[0014]S9:运用Viterbi算法具有的概率推理的能力，把测试用的膜厚状态样本输入三种机械密封膜厚状态对应的DHMM模型，将概率取最大值对应的模型的状态作为识别的状态。
[0015]在一优选的实施方式中，所述步骤S1中，首先在密封副的内径各镶嵌一个金属环，并将金属环表面与密封端面一齐磨平；接着再在静环内嵌的金属环上打上通孔，并将电涡流传感器的探头从小孔处伸入；该传感器的型号为KD2306，量程为0.5mm，分辨率为0.1μm，非线性程度小于1％，频率响应为0～50kHz。
[0016]在一优选的实施方式中，所述步骤S2中传感器的型号为8152B12SP，响应频率为50～400kHz。
[0017]在一优选的实施方式中，所述步骤S3中，声发射信号选用高频数据采集卡，其采样频率设为1MHz；电涡流和振动信号选用低频数据采集卡。
[0018]在一优选的实施方式中，所述步骤S3中，进行信号的抽取的同时，在采用模式识别工具对不同机械密封膜厚状态进行识别时。
[0019]在一优选的实施方式中，所述步骤S6中，选取了样本中不相关子集来替代原数据样本，从而实现原数据样本降维。
[0020]在一优选的实施方式中，所述步骤S7中，需要进行特征矢量的标量量化，第一步是把信号幅值或信号特征值细分成1个区域，第二步把各个区域数值通过映射成为Ⅳ离散值，从而得到DHMM训练码本。
[0021]在一优选的实施方式中，所述步骤S8中，在机械密封膜厚状态识别模型建立的过程中，将不同的膜厚状态形成左右型的HMM结构。
[0022]在一优选的实施方式中，所述步骤S8中，对机械密封各膜厚状态进行重复样本数据采集，计算各帧信号特征值，然后KPCA降维。
[0023]在一优选的实施方式中，所述步骤S4中，需要对信号进行预处理，首先求取电涡流信号的有效上下界，接着再计算两条界线的平均值以作为该信号的有效输出；再将得到的估计值转化为位移，即可得到机械密封的真实膜厚曲线。
[0024]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0025]1、本专利技术中，以流体动压型机械密封中的液膜密封为监测对象，搭建了以电涡流、声发射和振动检测为主的机械密封信号监测系统；并根据技术路线，分别设计了针对密封开启过程、工作过程和磨损过程的数据采集试验。从而为进一步构建密封的端面健康评估模型提供数据支持，提高了对于该机械密封环密封端面质量检测时的数据精确性。
[0026]2、本专利技术中，电涡流和声发射组成的实验平台，由软硬件平台实现监测信号的采集、传输以及存储，按照一定范围的压强和转速启停设备，进行实验数据的采集。电涡流直接测量膜厚信息来指导声发射间接反映膜厚信息的信号，将声发射信号按照膜厚的不同分成三种状态。随着密封端面的不断磨损，密封的开启转速和膜稳定参数将逐渐增加，利用以
上信息来训练神经网络，则能有实现流体动压型机械密封的端面健康评估。试验中，两个密封环转速检测神经网络在总体上都表现出了较好的识别率，从而提高了对于密封端面质量控制检测时的全面性，同时也为后续的试验研究过程提供了良好的数据支撑。
附图说明
[0027]图1为本专利技术的流程图。
具体实施方式
[0028]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0029]参照图1，
[0030]机械密封环密封端面质量控制方法，所述机械密封环密封端面质量控制方法包括以下步骤：
[0031]S1:先进行传感器的按，安装电涡流传感器是基于被测导体在磁场中切割磁感线所产生的漩涡状感应电流来测定密封环两个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.机械密封环密封端面质量控制方法，其特征在于：所述机械密封环密封端面质量控制方法包括以下步骤：S1:先进行传感器的按，安装电涡流传感器是基于被测导体在磁场中切割磁感线所产生的漩涡状感应电流来测定密封环两个端面之间的距离；由于该传感器所检测的对象必须是金属，且测量时不能直接对密封环端面造成破坏S2:进行声发射传感器的安装，将其中一个声发射传感器安装在密封腔前端，距离密封端面较近；而将另一个传感器安装在密封腔侧沿，距离密封端面较远；S3:首先利用电涡流、声发射和振动传感器对机械密封进行多通道同步信息采集，接着再将各传感器所检测信号通过信号调理仪放大，最后再将调理后的信号通过不同频率的数据采集卡传入至工控机；S4:进行信号的抽取；从三种膜厚状态的声发射信号组中，按照所给压力的不同合主轴转速的不断增加，均匀地抽取60个数据包，保证每个数据包都包括连续采样得到的30万个点；接下来平均把数据包分成三段(为减少庞大的计算量，在接下来DHMM中我们将把这三段作为DHMM的帧数，即60个样本，每组分成3帧；每种状态则有180个数据段，即180个初始样本，之后对数据进行先进行零均值化处理，又叫做中心化处理；S5:进行频域分析特征提取；经过频谱分析，能直观看到信号在频谱图上的频率分布情况、各个谐波幅值大小、相位等其他基本参数，此后就可以通过一定的计算方法来得到如功率、能量等值来反映频谱结构的特征参数；S6:对得到的特征参数向量进行降维优化处理，剔除特征向量参数中相互关联的子集，减少模式识别训练运算难度，提高膜厚状态识别精度；S7:开始进行密封环转速检测，先进行信号的分帧处理；将采集的机械密封数据均匀划分为T段，每一段对应各时刻的观测值，这样O＝{D1，D2，03，...q)就成为一个观察序列；每个膜厚状态样本的300000个采样数据点分成3帧，则帧长为100000；这样就将每种膜厚状态对应的采样样本分成短序列，然后对每帧分别提取特征参数，就得到了每帧的特征值，假设第n帧信号的特征参数为On，再将各帧的特征值参数向量汇总为观察值序列D＝(q1，q2，q3)；S8:到足够的观测值的样本的序列后，针对算法存在的下溢的问题，采用改进后的公式重估模型，得各状态的HMM模型对应的参数；然后(2)得到的得数据建立三种机械密封膜厚状态的HMM模型；S9:运用Viterbi算法具有的概率推理的能力，把测试用的膜厚状态样本输...

【专利技术属性】
技术研发人员：杨玉明，邹正，毛朝刚，
申请(专利权)人：四川科力特硬质合金股份有限公司，
类型：发明
国别省市：