Resumen

La monitorización del estado de contacto de las caras finales del sello ayudaría a la advertencia temprana de la falla del sello. En la detección de emisión acústica (AE) para sello mecánico, la principal dificultad es reducir el ruido de fondo y clasificar las características dispersas. Para resolver estos problemas y lograr tasas de detección más altas, se presenta un nuevo enfoque basado en el filtro de partículas genético con autorregresión (AR-GPF) y la máquina de vectores de soporte de hiperesfera (HSSVM). Primero, se utiliza un modelo AR para construir el espacio de estado dinámico (DSS) de la señal AE, y GPF se utiliza para filtrado de señal. Luego, se extraen múltiples características y se construye un modelo de clasificación basado en HSSVM para reconocimiento de estado. En este enfoque, AR-GPF es un excelente método en dominio temporal para reducción de ruido, y HSSVM tiene ventaja en esas características dispersas. Finalmente, los datos

• Materias:Degradación acelerada Fatiga estructural Proceso de compresión Metodología de detección Movimiento caótico
• Subjects:Accelerated degradation Structural fatigue Compression process Detection methodology Chaotic motion
• Palabras claves:Estado de contacto; Falla de sello; Emisión acústica; Filtro de partículas genético; Autorregresión; Máquina de vectores de soporte de hipersfera
• Keywords:Contact state; Seal failure; Acoustic emission; Genetic particle filter; Autoregression; Hypersphere support vector machine