朱奥辉 傅攀 陈官林

摘 要：针对现有监测技术对于机械密封端面摩擦状态的识别较难推广到工业现场进行实时监测，提出一种基于声发射的机械密封端面摩擦状态识别的方法。通过建立实验台对机械密封在工作过程中的信号进行采集；利用小波包分析法对信号进行降噪；对预处理后的数据进行特征提取；建立Elman神经网络对机械密封端面的摩擦状态进行识别。实验结果表明：通过建立的Elman神经网络对提取的声发射特征进行识别，能够很好地识别机械密封在工作过程中所处的摩擦状态。因此，提出的方法可以对机械密封端面的摩擦状态进行有效的实时监测。

关键词：机械密封；声发射；Elman神经网络；小波包

文献标志码：A 文章编号：1674-5124（2016）09-0101-04

0 引 言

机械密封是最常用的旋转机械轴封形式，具有工作寿命长、泄露少、适应性强以及可靠性高等特点[1]。因此，机械密封被广泛用于航空航天、石化、核电等诸多领域。机械的密封性能是否良好直接影响机械设备的成本、生产效率以及安全性。设备的泄露问题是引起非计划停机的主要原因[2]。而在一些涉及到毒性、腐蚀性或者高温高压的领域，若发生泄漏，将会造成极其严重的事故[3]。然而，若对机械密封进行定期检修，其维修费用会占机械总维修费的一半甚至更多。若对机械密封状态进行实时检测，不仅可以避免密封件的过早更换造成的浪费，也可以避免延迟更换造成的事故。从而有效提高机械设备的安全性、节约费用、提高生产效率[4]。……