基于声发射主轴机械密封开启状态识别技术

针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。     

基于QPSO-SVR和声发射信号的机械密封寿命预测

针对现有机械密封监测技术难以有效预测剩余使用寿命的问题,提出基于声发射特征融合的退化指标和QPSO-SVR寿命预测模型的机械密封剩余寿命预测方法。首先通过实验采集多组机械密封的全寿命数据,进行小波阈值降噪处理,从原始声发射信号中提取出能表征机械密封运行状态的特征,利用KPCA分析优化得到的声发射特征,然后通过马氏距离对得到的特征进行融合进而得到能够表征机械密封退化的指标,利用QPSO优化SVR模型参数,建立寿命预测模型。实验结果显示:基于退化指标和QPSO-SVR模型的寿命预测方法有着较好的泛化能力和较高的精度,具有良好的工业前景。     

粒子滤波在机械密封端面接触状态声发射监测中的应用

机械密封端面运行过程中所产生的声发射信号在传递过程中容易受到环境噪声的干扰,难以有效地从背景噪声中分离出来。研究粒子滤波技术在机械密封端面膜厚及开启状态声发射监测中的应用。将声发射传感器安装在机械密封静环座上,对动静环端面开启状态进行外部间接检测;运用粒子滤波技术处理采集的声发射信号,提取信号时域、频域及小波包能量特征;建立BP神经网络模型,对机械密封端面开启状态及膜厚进行识别。结果表明：粒子滤波技术能够有效地将密封端面产生的信号从背景噪声中分离出来;通过BP神经网络对提取的特征值进行模式识别,实现了密封端面膜厚变化范围的间接测量。该方法分析结果与电涡流传感器直接测量所得到的结果完全一致。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

基于声发射信号的机械密封寿命预测

针对国内外对机械密封寿命预测研究不足,不能明确退化模型等问题,提出了基于声发射特征抽取和SVR的机械密封寿命预测方法。首先基于声发射技术通过实验采集了多组机械密封的全寿命数据,对数据进行小波去噪,并进一步进行小波包分解,从中提取能够表征机械密封运行状态的时频域特征以及其他统计特征;利用KPCA对高维特征进行降维处理,再通过马氏距离进行特征融合得到机械密封退化指标,将之作为SVR的输入训练退化模型。实验结果显示,基于声发射特征提取的机械密封寿命预测方法有着较好的泛化能力和较高的精度。     

机械密封碰摩声发射信号的特征提取方法研究

提出利用声发射(Acoustic Emission,AE)技术监测机械密封动静环的碰摩状态。通过分析典型碰摩AE信号的特点,提出利用小波尺度谱和功率谱相结合的方法表征机械密封端面碰摩AE信号的特征信息,小波尺度谱能够直观地描述AE信号中各个脉冲的数目、到达时间、能量大小、在时频面上的分布及频率组成,为判断碰摩的类型、严重程度及发生时间提供准确信息,AE信号的功率谱图能够给出信号能量的具体值。在仿真和实验研究中该方法被有效运用于判别机械密封端面的偶然性碰摩、周期性碰摩和连续性碰摩。     

基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别

针对液膜密封状态监测领域无损监测开发不足、信号特征评估困难以及摩擦状态判别智能化特性缺乏的问题,提出一种基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法。该方法将声发射无损监测技术应用于液膜密封的摩擦状态监测,卷积神经网络作为液膜密封摩擦状态自主决策的实现手段,声发射信号的时频信息作为卷积神经网络的特征输入,分析短时傅立叶变换、 S变换以及小波变换3种时频分析方法对卷积神经网络识别性能的影响。结果表明：对于液膜密封的声发射信号,3种时频分析方法与卷积神经网络结合的优选顺序为：短时傅立叶变换、 S变换、小波变换;基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法准确率较高,相比其他识别方法取得了较好的识别效果。     

小波包原理在滚动轴承声发射检测技术中的应用

详细分析了小波滤波原理。在大量实验分析和理论分析的基础上，提出了使用基于特征频率的小波滤波方法。从而解决了由噪声引起的检测故障滚动轴承误判的问题，并为下一步的信号特征提取打下了坚实的基础。     

基于小波的声发射信号参数提取方法

介绍小波分析方法在声发射信号处理中的应用,提出一套基于声发射信号小波分析的小波基选取的规则方法,并通过实验和仿真证明此方法的有效性.     

声发射模糊神经网络

在声发射BP神经网络的基础上,通过添加模糊输入层和模糊输出层,构筑成声发射模糊神经网络.对原先的声发射信号进行模式识别,既提高了神经网络训练的收敛精度,又改善了收敛速度和稳定性.从而进一步提高了声发射信号模式识别的实用价值.     

基于小波神经网络的FRP容器爆破声发射信号研究

对FRP复合材料容器进行水压爆破的力学性能实验,利用声发射检测技术,采集FRP复合材料容器在受压损伤和爆破过程中的声发射信号。将采集到的声发射信号进行小波包特征提取,得到的前8个频带的特征向量作为小波神经网络的输入样本。据得到的数据样本库数据来预测、验证复合材料容器的破坏过程。     

机械密封端面摩擦机理及其声发射信号特性研究

分析了机械密封端面摩擦机理,根据端面的摩擦机理,选用声发射信号(Acoustic Emission, AE),作为表征密封端面摩擦状态的监测信号,建立了基于AE信号的密封端面摩擦状态的监测模型。根据机械密封的工程应用需求,将密封端面工作状态分为三种类型：边界摩擦状态、混合摩擦状态和流体润滑状态,利用采集的声发射信号和建立的监测模型,能够有效地识别密封端面的工作状态,识别率大于70%。     

声发射神经网络模式识别

利用工件在加载与卸载时所产生的声发射信号,作为神经网络模式识别的输入特征,并对输出量进行模糊化隶属度计算,用BP学习法对连接权重系数进行优化,成功地实现了对工件样本组的训练和分类.     

基于BP神经网络的金属裂纹声发射信号特征参数的提取

金属裂纹声发射信号特征提取是根据其进行故障诊断的关键,提出了BP神经网络和模式识别相结合的提取金属材料疲劳声发射信号特征的新方法,并利用美国PAC公司SAMOS声发射检测系统采集到声发射的各种参数,应用该方法选择出一些对分类识别最有效的特征参数;并采用可分离性判据进一步验证其正确性。     

基于最佳小波基小波特征的神经网络刀具磨损状态监测方法

以小波分析理论为基础,提出了以对数熵理论确定最佳小波包分解树结构的方法,提出了基于声发射信号最佳小波基最佳小波分量频段能量的声发射信号小波特征,开发了基于最佳小波基小波特征的神经网络刀具磨损状态在线监测系统,实验结果表明,该系统具有较高的监测精度,能满足工业现场对刀具磨损状态实时在线监测的要求.     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

旋转机械状态监测的声发射技术

前言:对比于以振动做为检测机械故障的方法,应用声发射(Acoustic　Emision——A.E.)于状态监测则既简单又快速。Trevor　Holroyd是英国Holroyd仪器公司的管理主任,他说明了其中的原因。 声发射(AE)是一个包括检测高频构造发生的弹性波或应力波在内的主动技术。自从1960年第一台商品A.E。仪器问世以来,AE技术主要应用于监测工程结构中的缺陷生成。在这种应用中,该项技术的极端灵敏性能使其用于遥远位置的AE传感器,以检测出微裂纹扩展的单一增量。     

基于小波分析的声发射源定位技术

声发射全波形采集技术为基于波形分析的声源定位方法提供了可能。在板状构件中声波的传播模式较为复杂,且不同模式的波到达时间和波速均不相同,从而带来了声源定位误差。将时频幅度分析方法引入声发射源定位技术：从接收到的信号中提取出某一频率的柔性波随时间变化的规律,在理论分析的基础上证明,这个分离信号的最大幅值点所对应的时间就是该频率柔性波群速度的到达时间。根据这个到达时间,以及实际测量出的群速度就可以实现声发射源更精确的定位,试验结果也证明了这种方法的可靠性。     

基于小波分析的声发射信号降噪处理方法

声发射检测过程中的噪声干扰问题,一直是困扰声发射技术工程应用的主要障碍之一,介绍了一种新兴的基于小波分析的声发射信号降噪处理方法,能有效降低噪声。