改进DenseNet的干气密封摩擦润滑状态识别研究

来源：振动与冲击杂志2025年第4期北京时间：

作者：张帅，丁雪兴dingxxseal，王世鹏，力宁，张兰霞

单位：1.兰州理工大学石油化工学院，兰州730050；2.清华大学摩擦学国家重点试验室，北京100084;3.中国航发湖南动力机械研究所， 湖南株洲412002

摘要：为了克服干气密封运行中端面接触状态参数（膜厚、端面开启时间）测量困难的问题，提出自注意力机制融合稠密连接网络（DenseNet-CBAM）的干气密封端面摩擦润滑状态识别方法。根据斯特里贝克曲线和干气密封运行规律分析端面可能出现的摩擦润滑状态：流体润滑，边界润滑、混合润滑。通过声发射传感器采集密封系统运行时的声发射信号，通过滤波、时域分析、频域分析得出能够表征各种摩擦润滑状态的特征分量，获取三维连续小波（3D-CWT）时频图，最终基于深度学习模型Densenet-CBAM识别时频图，实现密封系统摩擦润滑状态识别。与其他二维时频特征图作为输入端相比，3D-CWT时频图提高了状态识别的准确率。同时，相较于其他深度学习模型，该方法对干气密封摩擦润滑状态识别精度高，达到了99.27%。<br>

关键词：干气密封；稠密连接网络；自注意力机制；声发射；状态识别