基于声发射和小波神经网络的机械密封状态分类新方法

• 作者: 傅攀 张尔卿 李晓晖 林志斌 陈侃 黄泽沛
• 来源期刊: 润滑与密封
• 学科: 工学
• 关键词: 声发射 小波包能量 机械密封 模式识别 小波神经网络
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 试验研究
• 页码范围: 40-45
• 页数: 6页
• 分类号: TH136
• 字数: 3912字
• 语种: 中文
• DOI: 10.3969/j.issn.0254-0150.2014.09.009

摘要

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低，对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合，基于声发射信号时域和小波包能量分析的特征提取方法，充分利用声发射信号中的有用信息，能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例，采用上述方法对其工作状态进行监测。实验证明，该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅攀	西南交通大学机械工程学院	78	545	12.0	18.0
2	黄泽沛		21	225	10.0	14.0
3	李晓晖	西南交通大学机械工程学院	10	96	7.0	9.0
4	张尔卿	西南交通大学机械工程学院	8	59	5.0	7.0
5	陈侃		9	40	4.0	6.0
6	林志斌	西南交通大学机械工程学院	9	24	3.0	4.0