CN116989937A - 一种机械密封件的检测方法及装置 - Google Patents
一种机械密封件的检测方法及装置 Download PDFInfo
- Publication number
- CN116989937A CN116989937A CN202311242057.8A CN202311242057A CN116989937A CN 116989937 A CN116989937 A CN 116989937A CN 202311242057 A CN202311242057 A CN 202311242057A CN 116989937 A CN116989937 A CN 116989937A
- Authority
- CN
- China
- Prior art keywords
- detection
- acoustic emission
- sealing performance
- vibration
- lubricating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 310
- 238000007789 sealing Methods 0.000 title claims abstract description 240
- 230000001050 lubricating effect Effects 0.000 claims abstract description 157
- 239000011159 matrix material Substances 0.000 claims abstract description 89
- 238000005461 lubrication Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000005299 abrasion Methods 0.000 claims description 53
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 description 5
- 239000000314 lubricant Substances 0.000 description 5
- 238000000638 solvent extraction Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/005—Sealing rings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种机械密封件的检测方法及装置,涉及性能检测技术领域,包括:对润滑膜进行多次测试,获得润滑膜厚度集,构建润滑膜厚度矩阵,按照预设判别规则进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准,按照检测频率,在预设时间窗口内进行检测,获得声发射信号集和振动信号集,进行密封性能分析,获得声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,计算获得密封性能检测结果。本发明解决了传统机械密封件检测方法对于机械密封件的润滑性能评估不足,并且缺乏多维度信息的综合评估和自适应性,导致检测效率和可靠性较差的技术问题。
Description
技术领域
本发明涉及性能检测技术领域,具体涉及一种机械密封件的检测方法及装置。
背景技术
机械密封件是工业领域常用的密封装置,其稳定可靠的密封性能对保障设备运行安全至关重要,随着工业化进程和技术的不断推进,完善机械密封件的检测方法,实时监测密封性能,提早发现并预防密封问题,进而提高机械密封件的可靠性和寿命已成为当下研究的焦点。
而现今常用的机械密封件的检测方法还存在着一定的弊端,传统机械密封件检测方法对于机械密封件的润滑性能评估不足,并且通常只采用声发射或振动信号进行分析,缺乏多维度信息的综合评估,并且缺乏频率自适应性,导致检测效率和可靠性较差。
因此,对于机械密封件的检测还存在着一定的可提升空间。
发明内容
本申请通过提供了一种机械密封件的检测方法及装置,旨在解决传统机械密封件检测方法对于机械密封件的润滑性能评估不足,并且缺乏多维度信息的综合评估和自适应性,导致检测效率和可靠性较差的技术问题。
鉴于上述问题,本申请提供了一种机械密封件的检测方法及装置。
本申请公开的第一个方面,提供了一种机械密封件的检测方法,所述方法应用于一机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,所述方法包括:通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
本申请公开的另一个方面,提供了一种机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,所述装置用于上述方法,所述装置包括:润滑膜测试单元,所述润滑膜测试单元用于通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;元素判别单元,所述元素判别单元用于根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;检测标准获取单元,所述检测标准获取单元用于根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;信号检测单元,所述信号检测单元用于按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;密封性能分析单元,所述密封性能分析单元用于根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;检测结果获取单元,所述检测结果获取单元用于根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过添加润滑膜检测模块,考虑了润滑膜的影响,并利用多次测试获得润滑膜厚度集,从而为后续的密封性能分析提供了更全面准确的数据支持;通过构建润滑膜厚度矩阵和按预设判别规则进行判别,得到润滑性能等级矩阵,并获得总润滑性能等级,这有助于定量评估机械密封件的润滑性能,并为后续的检测频率、声发射检测标准和振动检测标准的决策提供依据;通过根据总润滑性能等级决策,获取检测频率、声发射检测标准和振动检测标准,这使得检测方法具备了自适应性,能够在不同条件下灵活选择适当的检测参数;利用声发射信号集和振动信号集结合声发射检测标准和振动检测标准,进行密封性能分析,从而获得声发射密封性能集和振动密封性能集,实现利用多维度的数据综合分析,更全面准确地评估机械密封件的实际密封性能;借助密封性能参数矩阵,计算并获得机械密封件的密封性能检测结果,通过对矩阵进行计算和分析,可以得出机械密封件的实际密封性能,为进一步评估和维护提供更准确的结果和依据。综上所述,该机械密封件的检测方法通过润滑膜检测、自适应决策和多维度分析,可以得出更可靠、科学的密封性能评估结果,从而提高机械密封件的使用效率和可靠性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种机械密封件的检测方法流程示意图;
图2为本申请实施例提供了一种机械密封件的检测装置结构示意图。
附图标记说明:润滑膜测试单元10,元素判别单元20,检测标准获取单元30,信号检测单元40,密封性能分析单元50,检测结果获取单元60。
具体实施方式
本申请实施例通过提供一种机械密封件的检测方法,解决了传统机械密封件检测方法对于机械密封件的润滑性能评估不足,并且缺乏多维度信息的综合评估和自适应性,导致检测效率和可靠性较差的技术问题。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种机械密封件的检测方法,所述方法应用于一机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,所述方法包括:
通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;
本申请实施例提供的一种机械密封件的检测方法应用于一机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内。
在一种优选的实施例中,包括:
通过润滑膜检测模块,向机械密封件多次发射超声波,并检测获得机械密封件内动环、静环和润滑膜的多个反射超声信号;根据多个反射超声信号,计算获得润滑膜厚度集。
润滑膜检测模块由超声波发射器和接收器组成,用于产生超声波和接收反射信号,将该润滑膜检测模块放置在机械密封件上,确保其与动、静环和润滑膜的位置对应,通过润滑膜检测模块中的超声波发射器,向机械密封件发射超声波,使用超声波接收器,接收反射回来的反射超声信号,进行多次发射,获得多个反射超声信号。
根据所述多个反射超声信号,计算反射系数,公式如下:,,其中,/>为超声波在固体和润滑膜界面上的反射系数,/>为润滑膜的刚度系数,根据密封介质的材质获取,/>和/>为超声在穿越金属和润滑膜时的声阻抗,i为超声波的声强;/>为超声波的发射频率;
为超声波在润滑膜与固体界面上反射信号的频域幅值;/>为超声波在参考界面上反射信号的频域幅值;/>为超声波在参考界面上的反射系数。
根据超声波在润滑膜与固体交界面处的时域反射信号,经快速傅里叶变换可获得超声波在该界面上的频域幅值A,同理,经过超声波在润滑膜与参考交界面处的时域反射信号,经快速傅里叶变换可获得频域幅值。
计算润滑膜厚度,公式如下:,其中,/>为润滑膜厚度;/>为润滑膜密度;c为超声在润滑膜中传播的速度。
其中,、c的精度主要和润滑膜物性相关,/>、R的精度主要和超声仪器硬件性能相关,/>、/>主要和被测材料的物性相关。
遍历所述多个反射超声信号,依次对每个信号进行上述计算,将计算结果进行整合,获得润滑膜厚度集。
步骤S200:根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;
在一种优选的实施例中,包括:
根据所述润滑膜厚度集内的多个润滑膜厚度,构建润滑膜厚度矩阵;基于机械密封件的维护日志数据,获取不同使用时间机械密封件的历史润滑膜厚度集和历史润滑性能等级集;根据所述历史润滑膜厚度集,划分获得多个润滑膜厚度区间,构建与历史润滑性能等级集的映射关系,获得所述预设判别规则;对润滑膜厚度矩阵内的多个元素进行划分,获得多个局部元素集;计算多个局部元素集内润滑膜厚度的均值,获得多个局部润滑膜厚度均值;按照所述预设判别规则,对所述多个局部润滑膜厚度均值进行判别,获得所述润滑性能等级矩阵;根据所述润滑性能等级矩阵,计算总润滑性能等级:;其中,/>为总润滑性能等级,/>为润滑性能等级矩阵内的元素的数量,/>为润滑性能等级矩阵内第i个润滑性能等级。
根据润滑膜厚度集中的润滑膜厚度值的数量,确定润滑膜厚度矩阵的行和列,示例性的,行对应不同时间点的测试序号,列对应润滑膜厚度值,构建润滑膜厚度矩阵,将润滑膜厚度集内每个润滑膜厚度值放入润滑膜厚度矩阵的相应位置,这样的矩阵描述了润滑膜厚度的变化情况。
获取机械密封件的维护日志数据,该日志记录了机械密封件的安装时间、使用时间和维护记录,包括润滑膜厚度测量结果和润滑性能评估等级。根据维护日志数据,按照不同使用时间对机械密封件进行分组,根据分组结果,提取出与润滑膜相关的信息,包括不同使用时间下的历史润滑膜厚度集和对应的历史润滑性能等级集。
设置厚度划分范围,例如设置为最大值与最小值的差值的10%,根据该厚度划分范围,对历史润滑膜厚度集中的厚度值,进行划分,将其分为多个润滑膜厚度区间,根据历史润滑性能等级集合和划分的润滑膜厚度区间,建立区间与润滑性能等级之间的映射关系,这意味着将每个润滑膜厚度区间与一个或多个润滑性能等级关联起来。根据与历史润滑性能等级集的映射关系,构建预设的判别规则,这些规则基于润滑膜厚度的区间范围,以及与之对应的历史润滑性能等级。
基于润滑膜厚度值的范围定义划分条件,根据所定义的划分条件,将润滑膜厚度矩阵内的元素划分成多个不同的局部元素集,每个局部元素集包含满足特定划分条件的矩阵元素,将划分后的润滑膜厚度矩阵元素组合在一起,形成多个局部元素集,每个集合都代表了满足相同划分条件的润滑膜厚度值。
对于每个局部元素集,对集合中每个元素进行求和并除以元素数量,获取平均值,将每个局部元素集的均值整理在一起,形成多个局部润滑膜厚度均值,每个局部均值代表了对应的局部元素集的润滑膜厚度平均值。
对每个局部润滑膜厚度均值与所述多个润滑膜厚度区间进行匹配,根据多个润滑膜厚度区间与历史润滑性能等级集的映射关系,与将匹配结果与相应的润滑性能等级进行关联,将获得的润滑性能等级在润滑性能等级矩阵中相应位置记录下来,构建润滑性能等级矩阵,该矩阵可显示每个局部润滑膜厚度均值所属的润滑性能等级。
根据上述计算公式,将润滑性能等级矩阵内的元素数量、每个润滑性能等级代入计算,获得总润滑性能等级;
根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;
在一种优选的实施例中,根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准,包括:
基于机械密封件的维护日志数据,获取不同使用时间的机械密封件进行检测的样本检测频率集合、预设声发射检测标准和预设振动检测标准;根据所述样本检测频率集合内多个样本检测频率与预设检测频率的比值,对所述预设声发射检测标准和预设振动检测标准内的磨损量和密封性能参数的映射关系进行调整,获得样本声发射检测标准集和样本振动检测标准集;以总润滑性能等级为决策特征,采用历史润滑性能等级集,构建多级决策节点,以检测频率、声发射检测标准和振动检测标准为决策结果,构建检测决策通道,所述检测决策通道内包括检测频率决策路径、声发射决策路径和振动决策路径;将所述总润滑性能等级输入所述检测决策通道,决策获得所述检测频率、声发射检测标准和振动检测标准。
根据维护日志数据,按照不同使用时间对机械密封件进行分组,通过统计维护日志数据中对应时间段内的检测次数,从维护日志数据中提取出每个使用时间段下的机械密封件的检测频率,进行整合,获取不同使用时间的样本检测频率集合,检测频率指每个时间段内进行润滑膜厚度测量、声发射检测或振动检测的频率。在维护日志数据中,提取预设的声发射检测标准和振动检测标准,这些预设标准可以基于先前的经验、行业规范来确定。
对于每个样本检测频率,计算其与对应的预设检测频率之间的比值,这表示了实际检测频率相对于预设检测频率的变化程度,使用比值作为调整因子,对预设声发射检测标准和预设振动检测标准内的磨损量和密封性能参数的映射关系进行调整,例如,可以根据比值的大小调整映射关系的斜率,从而更准确地反映实际情况下的声发射和振动检测结果与磨损量和密封性能参数之间的关系。
在声发射检测标准和振动检测标准上,记录相应的进行调整后的磨损量和密封性能参数的映射关系,得到样本声发射检测标准集和样本振动检测标准集,这些标准在实际情况下更加准确地反映了声发射和振动检测结果与磨损量和密封性能参数的关联。
以总润滑性能等级作为决策特征,根据历史润滑性能等级集构建多级决策节点,每个决策节点代表一个润滑性能等级范围,根据不同的决策节点,确定相应的检测频率、声发射检测标准和振动检测标准,作为决策结果的不同分支。根据不同的决策节点和决策结果,构建一个完整的检测决策通道。这个通道包括检测频率决策路径、声发射决策路径和振动决策路径。在每个路径上,根据总润滑性能等级的大小,选择相应的检测频率、声发射检测标准和振动检测标准,用于后续检测和评估机械密封件的状态和性能。
将计算得到的总润滑性能等级作为输入数据,输入到之前构建的检测决策通道中,通过检测决策通道进行决策,根据不同的决策节点、路径和条件,获得对应的检测频率、声发射检测标准和振动检测标准,这些值将代表机械密封件当前状态下的适当检测频率和相应的检测标准。
按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;
所述声发射检测模块和振动检测模块用于采集声发射信号和振动信号,基于实际需要和机械密封件的特性设置预设时间窗口,按照预设的检测频率,在预设的时间窗口内,使用声发射检测模块和振动检测模块对机械密封件进行检测,其中,声发射检测模块采集和记录声发射信号,振动检测模块采集和记录振动信号,将检测得到的声发射信号和振动信号进行整合,获得声发射信号集和振动信号集,这些集合包含了在预设时间窗口内从机械密封件中获取的声发射和振动信号。
根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;
在一种优选的实施例中,还包括:
调取机械密封件的检测日志数据,获得样本声发射信号集、样本振动信号集和样本磨损量集合;根据所述样本声发射信号集、样本振动信号集和样本磨损量集合,训练获得密封磨损量预测通道;将所述声发射信号集和振动信号集输入所述密封磨损量预测通道,进行预测处理,获得第一磨损量集合和第二磨损量集合;根据所述声发射检测标准和振动检测标准,对所述第一磨损量集合和第二磨损量集合进行判别,获得所述声发射密封性能集和振动密封性能集。
获取机械密封件的检测日志数据,这些数据记录了机械密封件每次检测的时间、位置、声发射信号、振动信号以及对应的磨损量等信息。对获取到的检测日志数据进行解析,提取出样本声发射信号,并整理成一个样本声发射信号集,样本声发射信号代表机械密封件不同检测时间点或位置上的声发射特征;提取出样本振动信号,并整理成一个样本振动信号集,样本振动信号代表机械密封件不同检测时间点或位置上的振动特征;提取出样本磨损量,并整理成一个样本磨损量集合,样本磨损量代表机械密封件不同检测时间点或位置上的磨损程度。
整理样本声发射信号集、样本振动信号集和样本磨损量集合作为训练数据,确保这些数据是对应的,即每个样本声发射信号和振动信号都有相应的磨损量值,基于神经网络构建密封磨损量预测通道,将使用训练数据对所述密封磨损量预测通道进行训练,通过学习样本声发射信号和振动信号与磨损量之间的关系,获得密封磨损量预测通道,对训练得到的预测通道进行评估和优化,通过调整预测通道参数来提高预测精度,该通道将基于声发射信号和振动信号预测机械密封件的磨损量。
将所述声发射信号集和振动信号集作为输入数据,输入到密封磨损量预测通道中,该通道根据对训练数据的学习,利用输入的信号进行预测计算,以获得磨损量的预测值,从预测处理的结果中,提取第一磨损量集合和第二磨损量集合,这些集合包含了对机械密封件在给定声发射信号和振动信号条件下的磨损量预测。
根据先前设定的声发射检测标准和振动检测标准,获取相应标准的阈值,比较第一磨损量与声发射检测标准的阈值,将满足阈值的标记为符合标准,遍历第一磨损量集合,获取声发射密封性能集;比较第二磨损量与振动检测标准的阈值,将满足阈值的标记为符合标准,遍历第二磨损量集合,获取振动密封性能集。
根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
在一种优选的实施例中,还包括:
根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵:;其中,A为密封性能参数矩阵,/>为声发射密封性能集内的第一个声发射密封性能参数,/>为振动密封性能集内的第一个振动密封性能参数,N为声发射密封性能集和振动密封性能集内的数据数量;根据所述密封性能参数矩阵,计算获得密封性能检测结果。
根据声发射密封性能集和振动密封性能集的数据数量N,确定矩阵A的大小为N行2列,从声发射密封性能集中取出声发射密封性能参数,并将其逐行填充到矩阵A的第一列,从振动密封性能集中取出振动密封性能参数,并将其逐行填充到矩阵A的第二列,遍历所述数据,对应地填充到矩阵A的相应位置,构建出密封性能参数矩阵A。该矩阵A的每一行代表一个样本,在第一列为声发射密封性能参数值,第二列为对应的振动密封性能参数值。
在一种优选的实施例中,计算密封性能检测结果的公式如下:;;其中,/>为预设时间窗口内第j个时刻的综合密封性能参数,/>为机械密封件的磨损量为0下的初始密封性能参数,/>为密封性能参数矩阵内第j行、第l列的元素,/>为密封性能检测结果。
预设时间窗口内包含若干时刻,对于第j个时刻,计算其综合密封性能参数,综合密封性能参数是基于密封性能参数矩阵中的声发射密封性能和振动密封性能参数计算得到的,它综合了声发射特性和振动特性对机械密封件密封性能的影响。遍历时间窗口的每个时刻,计算相应时刻的综合密封性能参数,代入上述公式,计算获得密封性能检测结果。
综上所述,本申请实施例所提供的一种机械密封件的检测方法及装置具有如下技术效果:
1.通过添加润滑膜检测模块,考虑了润滑膜的影响,并利用多次测试获得润滑膜厚度集,从而为后续的密封性能分析提供了更全面准确的数据支持;
2.通过构建润滑膜厚度矩阵和按预设判别规则进行判别,得到润滑性能等级矩阵,并获得总润滑性能等级,这有助于定量评估机械密封件的润滑性能,并为后续的检测频率、声发射检测标准和振动检测标准的决策提供依据;
3.通过根据总润滑性能等级决策,获取检测频率、声发射检测标准和振动检测标准,这使得检测方法具备了自适应性,能够在不同条件下灵活选择适当的检测参数;
4.利用声发射信号集和振动信号集结合声发射检测标准和振动检测标准,进行密封性能分析,从而获得声发射密封性能集和振动密封性能集,实现利用多维度的数据综合分析,更全面准确地评估机械密封件的实际密封性能;
5.借助密封性能参数矩阵,计算并获得机械密封件的密封性能检测结果,通过对矩阵进行计算和分析,可以得出机械密封件的实际密封性能,为进一步评估和维护提供更准确的结果和依据。
综上所述,该机械密封件的检测方法通过润滑膜检测、自适应决策和多维度分析,可以得出更可靠、科学的密封性能评估结果,从而提高机械密封件的使用效率和可靠性。
实施例二
基于与前述实施例中一种机械密封件的检测方法相同的发明构思,如图2所示,本申请提供了一种机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,所述装置包括:
润滑膜测试单元10,所述润滑膜测试单元10用于通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;
元素判别单元20,所述元素判别单元20用于根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;
检测标准获取单元30,所述检测标准获取单元30用于根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;
信号检测单元40,所述信号检测单元40用于按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;
密封性能分析单元50,所述密封性能分析单元50用于根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;
检测结果获取单元60,所述检测结果获取单元60用于根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
进一步而言,所述润滑膜测试单元10还包括如下操作步骤:
通过润滑膜检测模块,向机械密封件多次发射超声波,并检测获得机械密封件内动环、静环和润滑膜的多个反射超声信号;
根据多个反射超声信号,计算获得润滑膜厚度集。
进一步而言,所述元素判别单元20还包括如下操作步骤:
根据所述润滑膜厚度集内的多个润滑膜厚度,构建润滑膜厚度矩阵;
基于机械密封件的维护日志数据,获取不同使用时间机械密封件的历史润滑膜厚度集和历史润滑性能等级集;
根据所述历史润滑膜厚度集,划分获得多个润滑膜厚度区间,构建与历史润滑性能等级集的映射关系,获得所述预设判别规则;
对润滑膜厚度矩阵内的多个元素进行划分,获得多个局部元素集;
计算多个局部元素集内润滑膜厚度的均值,获得多个局部润滑膜厚度均值;
按照所述预设判别规则,对所述多个局部润滑膜厚度均值进行判别,获得所述润滑性能等级矩阵;
根据所述润滑性能等级矩阵,计算总润滑性能等级:;其中,/>为总润滑性能等级,/>为润滑性能等级矩阵内的元素的数量,/>为润滑性能等级矩阵内第i个润滑性能等级。
进一步而言,所述检测标准获取单元30还包括如下操作步骤:
基于机械密封件的维护日志数据,获取不同使用时间的机械密封件进行检测的样本检测频率集合、预设声发射检测标准和预设振动检测标准;
根据所述样本检测频率集合内多个样本检测频率与预设检测频率的比值,对所述预设声发射检测标准和预设振动检测标准内的磨损量和密封性能参数的映射关系进行调整,获得样本声发射检测标准集和样本振动检测标准集;
以总润滑性能等级为决策特征,采用历史润滑性能等级集,构建多级决策节点,以检测频率、声发射检测标准和振动检测标准为决策结果,构建检测决策通道,所述检测决策通道内包括检测频率决策路径、声发射决策路径和振动决策路径;
将所述总润滑性能等级输入所述检测决策通道,决策获得所述检测频率、声发射检测标准和振动检测标准。
进一步而言,所述密封性能分析单元50还包括如下操作步骤:
调取机械密封件的检测日志数据,获得样本声发射信号集、样本振动信号集和样本磨损量集合;
根据所述样本声发射信号集、样本振动信号集和样本磨损量集合,训练获得密封磨损量预测通道;
将所述声发射信号集和振动信号集输入所述密封磨损量预测通道,进行预测处理,获得第一磨损量集合和第二磨损量集合;
根据所述声发射检测标准和振动检测标准,对所述第一磨损量集合和第二磨损量集合进行判别,获得所述声发射密封性能集和振动密封性能集。
进一步而言,所述检测结果获取单元60还包括如下操作步骤:
根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵:;其中,A为密封性能参数矩阵,/>为声发射密封性能集内的第一个声发射密封性能参数,/>为振动密封性能集内的第一个振动密封性能参数,N为声发射密封性能集和振动密封性能集内的数据数量;
根据所述密封性能参数矩阵,计算获得密封性能检测结果。
进一步而言,所述检测结果获取单元60还包括如下操作步骤:
根据所述密封性能参数矩阵,计算密封性能检测结果:;;其中,/>为预设时间窗口内第j个时刻的综合密封性能参数,/>为机械密封件的磨损量为0下的初始密封性能参数,/>为密封性能参数矩阵内第j行、第l列的元素,/>为密封性能检测结果。
本说明书通过前述对一种机械密封件的检测方法的详细描述,本领域技术人员可以清楚得知道本实施例中一种机械密封件的检测方法及装置,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种机械密封件的检测方法,其特征在于,所述方法应用于一机械密封件的检测装置,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,所述方法包括:
通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;
根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;
根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;
按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;
根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;
根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
通过润滑膜检测模块,向机械密封件多次发射超声波,并检测获得机械密封件内动环、静环和润滑膜的多个反射超声信号;
根据多个反射超声信号,计算获得润滑膜厚度集。
3.根据权利要求1所述的方法,其特征在于,所述方法包括:
根据所述润滑膜厚度集内的多个润滑膜厚度,构建润滑膜厚度矩阵;
基于机械密封件的维护日志数据,获取不同使用时间机械密封件的历史润滑膜厚度集和历史润滑性能等级集;
根据所述历史润滑膜厚度集,划分获得多个润滑膜厚度区间,构建与历史润滑性能等级集的映射关系,获得所述预设判别规则;
对润滑膜厚度矩阵内的多个元素进行划分,获得多个局部元素集;
计算多个局部元素集内润滑膜厚度的均值,获得多个局部润滑膜厚度均值;
按照所述预设判别规则,对所述多个局部润滑膜厚度均值进行判别,获得所述润滑性能等级矩阵;
根据所述润滑性能等级矩阵,计算总润滑性能等级:;其中,/>为总润滑性能等级,/>为润滑性能等级矩阵内的元素的数量,/>为润滑性能等级矩阵内第i个润滑性能等级。
4.根据权利要求3所述的方法,其特征在于,根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准,包括:
基于机械密封件的维护日志数据,获取不同使用时间的机械密封件进行检测的样本检测频率集合、预设声发射检测标准和预设振动检测标准;
根据所述样本检测频率集合内多个样本检测频率与预设检测频率的比值,对所述预设声发射检测标准和预设振动检测标准内的磨损量和密封性能参数的映射关系进行调整,获得样本声发射检测标准集和样本振动检测标准集;
以总润滑性能等级为决策特征,采用历史润滑性能等级集,构建多级决策节点,以检测频率、声发射检测标准和振动检测标准为决策结果,构建检测决策通道,所述检测决策通道内包括检测频率决策路径、声发射决策路径和振动决策路径;
将所述总润滑性能等级输入所述检测决策通道,决策获得所述检测频率、声发射检测标准和振动检测标准。
5.根据权利要求1所述的方法,其特征在于,所述方法包括:
调取机械密封件的检测日志数据,获得样本声发射信号集、样本振动信号集和样本磨损量集合;
根据所述样本声发射信号集、样本振动信号集和样本磨损量集合,训练获得密封磨损量预测通道;
将所述声发射信号集和振动信号集输入所述密封磨损量预测通道,进行预测处理,获得第一磨损量集合和第二磨损量集合;
根据所述声发射检测标准和振动检测标准,对所述第一磨损量集合和第二磨损量集合进行判别,获得所述声发射密封性能集和振动密封性能集。
6.根据权利要求1所述的方法,其特征在于,所述方法包括:
根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵:;其中,A为密封性能参数矩阵,/>为声发射密封性能集内的第一个声发射密封性能参数,为振动密封性能集内的第一个振动密封性能参数,N为声发射密封性能集和振动密封性能集内的数据数量;
根据所述密封性能参数矩阵,计算获得密封性能检测结果。
7.根据权利要求6所述的方法,其特征在于,所述方法包括:
根据所述密封性能参数矩阵,计算密封性能检测结果:;/>;其中,/>为预设时间窗口内第j个时刻的综合密封性能参数,/>为机械密封件的磨损量为0下的初始密封性能参数,/>为密封性能参数矩阵内第j行、第l列的元素,/>为密封性能检测结果。
8.一种机械密封件的检测装置,其特征在于,所述装置包括声发射检测模块、振动检测模块和润滑膜检测模块,所述声发射检测模块、振动检测模块分别设置于机械密封件的端面上和端面内,用于实施权利要求1-7任一项所述的一种机械密封件的检测方法,包括:
润滑膜测试单元,所述润滑膜测试单元用于通过润滑膜检测模块,对机械密封件内动环和静环间的润滑膜进行多次测试,获得润滑膜厚度集;
元素判别单元,所述元素判别单元用于根据所述润滑膜厚度集,构建润滑膜厚度矩阵,并按照预设判别规则,对润滑膜厚度矩阵内的多个元素进行判别,获得润滑性能等级矩阵,并获取总润滑性能等级;
检测标准获取单元,所述检测标准获取单元用于根据所述总润滑性能等级,决策获取检测频率、声发射检测标准和振动检测标准;
信号检测单元,所述信号检测单元用于按照所述检测频率,通过所述声发射检测模块和振动检测模块,在预设时间窗口内,对机械密封件的声发射信号和振动信号进行检测,获得声发射信号集和振动信号集;
密封性能分析单元,所述密封性能分析单元用于根据所述声发射信号集和振动信号集,结合所述声发射检测标准和振动检测标准,进行密封性能分析,获得声发射密封性能集和振动密封性能集;
检测结果获取单元,所述检测结果获取单元用于根据所述声发射密封性能集和振动密封性能集,构建密封性能参数矩阵,根据所述密封性能参数矩阵,计算获得机械密封件的密封性能检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242057.8A CN116989937B (zh) | 2023-09-25 | 2023-09-25 | 一种机械密封件的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242057.8A CN116989937B (zh) | 2023-09-25 | 2023-09-25 | 一种机械密封件的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116989937A true CN116989937A (zh) | 2023-11-03 |
CN116989937B CN116989937B (zh) | 2023-12-22 |
Family
ID=88532407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311242057.8A Active CN116989937B (zh) | 2023-09-25 | 2023-09-25 | 一种机械密封件的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116989937B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6065345A (en) * | 1997-07-31 | 2000-05-23 | Sulzer Pumpen Ag | Method for monitoring the condition of a mechanical seal |
CN205090954U (zh) * | 2015-11-16 | 2016-03-16 | 中国石油大学(华东) | 一种非接触式机械密封膜厚测量装置 |
CN108869750A (zh) * | 2018-08-16 | 2018-11-23 | 清华大学 | 可监测型机械密封装置 |
CN109073089A (zh) * | 2016-02-23 | 2018-12-21 | 约翰起重机英国有限公司 | 用于机械系统的预测诊断的系统和方法 |
CN109099964A (zh) * | 2018-07-11 | 2018-12-28 | 西南交通大学 | 机械密封端面状态监测方法 |
CN113423979A (zh) * | 2019-01-04 | 2021-09-21 | 苏尔寿管理有限公司 | 机械密封布置结构以及用于监测机械密封布置结构的操作的传感器环 |
CN114858430A (zh) * | 2022-04-20 | 2022-08-05 | 浙大宁波理工学院 | 一种基于lcd-小波新阈值的机械密封声发射信号降噪方法 |
CN115754010A (zh) * | 2022-11-10 | 2023-03-07 | 四川科力特硬质合金股份有限公司 | 机械密封环密封端面质量控制方法 |
-
2023
- 2023-09-25 CN CN202311242057.8A patent/CN116989937B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6065345A (en) * | 1997-07-31 | 2000-05-23 | Sulzer Pumpen Ag | Method for monitoring the condition of a mechanical seal |
CN205090954U (zh) * | 2015-11-16 | 2016-03-16 | 中国石油大学(华东) | 一种非接触式机械密封膜厚测量装置 |
CN109073089A (zh) * | 2016-02-23 | 2018-12-21 | 约翰起重机英国有限公司 | 用于机械系统的预测诊断的系统和方法 |
CN109099964A (zh) * | 2018-07-11 | 2018-12-28 | 西南交通大学 | 机械密封端面状态监测方法 |
CN108869750A (zh) * | 2018-08-16 | 2018-11-23 | 清华大学 | 可监测型机械密封装置 |
CN113423979A (zh) * | 2019-01-04 | 2021-09-21 | 苏尔寿管理有限公司 | 机械密封布置结构以及用于监测机械密封布置结构的操作的传感器环 |
CN114858430A (zh) * | 2022-04-20 | 2022-08-05 | 浙大宁波理工学院 | 一种基于lcd-小波新阈值的机械密封声发射信号降噪方法 |
CN115754010A (zh) * | 2022-11-10 | 2023-03-07 | 四川科力特硬质合金股份有限公司 | 机械密封环密封端面质量控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116989937B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111664365B (zh) | 基于改进vmd和1dcnn的油气管道泄漏检测方法 | |
Fuentes et al. | Detection of sub-surface damage in wind turbine bearings using acoustic emissions and probabilistic modelling | |
CN110082429B (zh) | 一种结合机器学习的隧道衬砌无损检测的辅助判定方法 | |
CN106323452A (zh) | 一种设备异音的检测方法及检测装置 | |
CN109190272B (zh) | 基于弹性波和机器学习的混凝土结构缺陷检测方法 | |
CN111811617B (zh) | 一种基于短时傅里叶变换和卷积神经网络的液位预测方法 | |
US3481186A (en) | Methods of and systems for effecting the nondestructive analysis of materials | |
CN110619691B (zh) | 一种板坯表面裂纹的预测方法及装置 | |
GB2367362A (en) | Detecting leaks in water distribution systems | |
CN110514745A (zh) | 一种基于多频声发射信号的缆索断丝位置确定的方法 | |
CN113237951A (zh) | 一种基于形状上下文动态时间规整的金属板疲劳损伤超声导波检测方法 | |
CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
Liguori et al. | Towards the evaluation of the measurement uncertainty of environmental acoustic noise | |
JP2002228575A (ja) | タンク鋼板の腐食診断システム | |
CN116401571A (zh) | 基于敲击声波与MiniRocket的钢管混凝土异型脱空识别方法 | |
CN116989937B (zh) | 一种机械密封件的检测方法及装置 | |
CN110231401B (zh) | 一种测点间信息关联方法及土木结构无损检测方法 | |
Chen et al. | A novel hybrid method to detect arrival times of elastic waves with low SNR based on Jensen–Shannon divergence and cumulative sum algorithm | |
CN114487103A (zh) | 基于旧零件声发射信号混沌特征值的损伤检测分析方法 | |
CN110108489B (zh) | 一种滚动轴承性能退化趋势获取方法 | |
CN107728121A (zh) | 一种基于可变窗的局部拟合优度检验方法 | |
GB2482973A (en) | Evaluating the condition of a collection of similar elongated hollow objects | |
Fenenko | Cluster analysis of acoustic emission signals from the friction zone of tribosystems | |
Zhang | Flow measurement of natural gas in pipeline based on 1d-convolutional neural network | |
CN117949540B (zh) | 一种用于工程检测的密实度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |