[发明专利]基于机器学习的机械密封状态判断方法、装置

说明书

本申请涉及一种基于机器学习的机械密封状态判断方法、装置、计算机设备和存储介质。所述方法包括：获取机械密封过程的研究目标，根据所述机械密封过程的研究目标，选取样本获取方式；并根据所述样本获取方式，确定样本数据，其中，所述样本数据至少包括根据所述样本获取方式，获取声发射信号，并提取所述声发射信号的表征量的过程；从而根据所述样本数据，得到目标参数值。采用本方法能够提高密封状态判断的效率、避免人工参与以及实现自动化判断。

技术领域

本申请涉及机械密封技术领域，特别是涉及一种基于机器学习的机械密封状态判断方法、装置、计算机设备和存储介质。

背景技术

机械密封是一种用于轴端的动密封装置，其需要在维持低或无泄漏的同时降低或消除摩擦副(由相对运动的两端面及流体介质形成)的摩擦磨损以延长寿命。

随着机械密封研究技术的发展，利用声发射技术采集机械密封摩擦副产生的声发射信号已经实现，这一技术由于可以得到高密度的信息且具备工程便利性而有广泛的应用前景。

然而，从声发射信号中解读出关于密封状态的更多信息仍然是一个难题：一方面，目前的技术可以对接触摩擦的严重程度进行大致的判断，至于如何进一步判断接触摩擦异常的诱因，以及在脱离接触时如何得到关于密封状态的信息，还没有很好的解决方案。另一方面，目前对密封摩擦副的声发射信号的分析依赖于人的参与而无法自动进行。

发明内容

基于此，有必要针对上述技术问题，提供一种基于机器学习的机械密封状态判断方法、装置、计算机设备和存储介质。

一种基于机器学习的机械密封状态判断方法，所述方法包括：

获取机械密封过程的研究目标，根据所述机械密封过程的研究目标，选取样本获取方式；

根据所述样本获取方式，确定样本数据，其中，所述样本数据至少包括根据所述样本获取方式，获取声发射信号，并提取所述声发射信号的表征量的过程；

根据所述样本数据，得到目标参数值。

在其中一个实施例中，所述根据所述样本获取方式，确定样本数据包括：

获取试验过程中预设时间内的至少一个试验参数值，并对所述至少一个试验参数值进行处理，确定预设时间内至少一个采样周期的试验参数值，其中，所述试验参数值至少包括声发射信号和辅助参数值；

对所述预设时间内至少一个采样周期的声发射信号进行处理，得到所述声发射信号的表征量；

对所述预设时间内至少一个采样周期的辅助参数值进行处理，确定至少一个采样周期内至少一个辅助参数值的平均值。

在其中一个实施例中，所述对所述预设时间内至少一个采样周期的声发射信号进行处理，得到所述声发射信号的表征量包括：

获取所述预设时间内至少一个采样周期的声发射信号，并对所述至少一个采样周期的声发射信号进行周期的二次划分，得到周期二次划分后的至少一个采样周期的声发射信号；

根据所述周期二次划分后的至少一个采样周期的声发射信号，确定所述周期二次划分后的至少一个采样周期的信号能量值；

将所述信号能量值按照时间进行排序，并对排序后的信号能量值进行特征提取，确定所述周期二次划分后的至少一个采样周期的至少一个表征量。

在其中一个实施例中，所述对所述预设时间内至少一个采样周期的辅助参数值进行处理，确定至少一个采样周期内至少一个辅助参数值的平均值之后包括：

获取试验过程中预设时间内的至少一个采样周期的输出参数值；