基于自校正Kalman滤波的液膜密封端面摩擦状态监测技术

声发射技术是液膜密封端面摩擦状态的有效检测方法，但是受工业背景噪声的影响，难以分离出声发射信号中所需信息。针对此问题，采用基于ARMA模型的自校正Kalman滤波技术处理声发射信号。该滤波器能在系统模型参数和噪声特性未知的情况下，收敛于稳态最优卡尔曼滤波器，因此滤波后的声发射信号的所需特征信号更突出，有利于液膜密封端面摩擦状态的检测。建立RBF神经网络，以时域、频域和时频域特征值作为输入进行网络训练，实现密封端面摩擦状态模式识别。实验结果证明，该监测方法能实时有效地识别端面摩擦状态，识别结果与电涡流直接测量得到的结果一致