基于数值模型的机械密封状态分析方法

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112632849A(43)申请公布日2021.04.09(21)申请号202011453641.4(22)申请日2020.12.12(71)申请人清华大学地址100084北京市海淀区清华园(72)发明人黄伟峰　尹源　刘向锋　刘莹　李德才　王玉明　(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人杜萌(51)Int.Cl.G06F30/27(2020.01)G06F111/10(2020.01)G06F119/14(2020.01)权利要求书2页 说明书 房屋状态说明书下载罗氏说明书下载焊机说明书下载罗氏说明书下载GGD说明书下载 11页附图5页(54)发明名称基于数值模型的机械密封状态分析 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 (57)摘要本发明涉及一种基于数值模型的机械密封状态分析方法，包括如下步骤：S1确认机械密封中待分析的至少一个待定状态参数，并给出所述待定状态参数的取值范围；S2获得机械密封中至少一个在线观测参数；S3建立对机械密封工作状态进行模拟的数值模型，所述数值模型以所述待定状态参数为输入参数，所述数值模型输出模拟观测参数；S4使用优化方法在取值范围内调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内，记录当前的待定状态参数为目标状态参数。上述基于数值模型的机械密封状态分析方法，可推测无法直接在线监测的状态参数，进而得知摩擦副的实时状态，便于实施精准、高效的维护。CN112632849ACN112632849A权　利　要　求　书1/2页1.一种基于数值模型的机械密封状态分析方法，其特征在于，包括如下步骤：S1确认机械密封中待分析的至少一个待定状态参数，并给出所述待定状态参数的取值范围；S2获得机械密封中至少一个在线观测参数；S3建立对机械密封工作状态进行模拟的数值模型，所述数值模型以所述待定状态参数为输入参数，所述数值模型输出模拟观测参数；S4使用优化方法在取值范围内调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内，记录当前的待定状态参数为目标状态参数。2.根据权利要求1所述的基于数值模型的机械密封状态分析方法，其特征在于，待分析的机械密封装置包括静环和动环，所述静环为补偿环，所述动环为非补偿环；所述待定状态参数包括动环端跳和静环支承异常，所述静环支撑异常以轴向力和偏转力矩两个分量表示。3.根据权利要求2所述的基于数值模型的机械密封状态分析方法，其特征在于，所述在线观测参数包括流体平均泄漏率，所述在线观测参数还包括所述静环和所述动环之间的端面接触状态。4.根据权利要求3所述的基于数值模型的机械密封状态分析方法，其特征在于，测量转轴的转速参数以及机械密封端面上下游的压强参数，将所述转速参数和所述压强参数作为确定参数输入至所述数值模型。5.根据权利要求3所述的基于数值模型的机械密封状态分析方法，其特征在于，采用转速传感器测量转轴的转速，采用压强传感器测量机械密封端面上下游的压强参数，采用流量传感器测量流体的流量并计算流体平均泄漏率，采用声发射传感器探测所述动环和所述静环之间的端面接触状态。6.根据权利要求1‑5任一项所述的基于数值模型的机械密封状态分析方法，其特征在于，采用全局优化方法调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内；所述全局优化方法采用模拟退火算法、遗传算法和/或者粒子群算法。7.根据权利要求6所述的基于数值模型的机械密封状态分析方法，其特征在于，所述全局优化方法包括第一精度优化模型和第二精度优化模型，所述第二精度优化模型的精度高于所述第一精度优化模型；先采用第一精度优化模型进行全局优化，得出初步优化结果，然后以初步优化结果为初值，采用第二精度优化模型进行局部优化，得出最终优化结果，确定目标状态参数。8.根据权利要求1‑5任一项所述的基于数值模型的机械密封状态分析方法，其特征在于，对机械密封工作状态进行模拟的数值模型包括物理模型和代理模型，所述物理模型和所述代理模型分别以所述待定状态参数为输入参数，所述物理模型和所述代理模型分别输出模拟观测参数；所述物理模型基于机械密封的工作状态进行建立，所述代理模型基于所述物理模型的计算结果集合进行建立，所述代理模型的计算速度快于所述物理模型的计算速度。9.根据权利要求8所述的基于数值模型的机械密封状态分析方法，其特征在于，基于所2CN112632849A权　利　要　求　书2/2页述物理模型采用多项式拟合、支持向量机回归和/或高斯随机过程的方法建立所述代理模型。10.根据权利要求9所述的基于数值模型的机械密封状态分析方法，其特征在于，采用贝叶斯优化方法寻找所述目标状态参数。3CN112632849A说　明　书1/11页基于数值模型的机械密封状态分析方法技术领域[0001]本发明涉及密封状态模拟技术领域，特别是涉及基于数值模型的机械密封状态分析方法。背景技术[0002]在一些场合下，人们希望防止或减少两个相邻空间之间发生物质迁移，这样的迁移被称为“泄漏”，而“密封”则指防止或减少泄漏的有效手段。不同于生活中常见的简单的静密封，工业生产中会遇到需要在相对运动的部件间实施密封的情形，机械密封在高参数下有很好的性能，其中又以干气密封尤为适应高参数工况。机械密封装置是一种端面动密封装置，其需要在维持低泄漏或无泄漏的同时，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。由于原理复杂、结构紧凑，运转过程中的机械密封工作状态难以被获知，用户被迫采用定期检修等高成本的维护策略，而无法基于摩擦副的实时状态实施精准、高效的维护。发明内容[0003]基于此，有必要针对目前无法基于摩擦副的实时状态实施精准、高效维护的问题，提供一种模拟摩擦副实时摩擦状态的基于数值模型的机械密封状态分析方法。[0004]一种基于数值模型的机械密封状态分析方法，包括如下步骤：[0005]S1确认机械密封中待分析的至少一个待定状态参数，并给出所述待定状态参数的取值范围；[0006]S2获得机械密封中至少一个在线观测参数；[0007]S3建立对机械密封工作状态进行模拟的数值模型，所述数值模型以所述待定状态参数为输入参数，所述数值模型输出模拟观测参数；[0008]S4使用优化方法在取值范围内调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内，记录当前的待定状态参数为目标状态参数。[0009]在其中一个实施例中，待分析的机械密封装置包括静环和动环，所述静环为补偿环，所述动环为非补偿环；所述待定状态参数包括动环端跳和静环支承异常，所述静环支撑异常以轴向力和偏转力矩两个分量表示。[0010]在其中一个实施例中，所述在线观测参数包括流体平均泄漏率，所述在线观测参数还包括所述静环和所述动环之间的端面接触状态。[0011]在其中一个实施例中，测量转轴的转速参数以及机械密封端面上下游的压强参数，将所述转速参数和所述压强参数作为确定参数输入至所述数值模型。[0012]在其中一个实施例中，采用转速传感器测量转轴的转速，采用压强传感器测量机械密封端面上下游的压强参数，采用流量传感器测量流体的流量并计算流体平均泄漏率，采用声发射传感器探测所述动环和所述静环之间的端面接触状态。4CN112632849A说　明　书2/11页[0013]在其中一个实施例中，采用全局优化方法调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内；所述全局优化方法采用模拟退火算法、遗传算法和/或者粒子群算法等。[0014]在其中一个实施例中，所述全局优化方法包括第一精度优化模型和第二精度优化模型，所述第二精度优化模型的精度高于所述第一精度优化模型；先采用第一精度优化模型进行全局优化，得出初步优化结果，然后以初步优化结果为初值，采用第二精度优化模型进行局部优化，得出最终优化结果，确定目标状态参数。[0015]在其中一个实施例中，对机械密封工作状态进行模拟的数值模型包括物理模型和代理模型，所述物理模型和所述代理模型分别以所述待定状态参数为输入参数，所述物理模型和所述代理模型分别输出模拟观测参数；所述物理模型直接基于机械密封的工作状态进行建立，所述代理模型基于所述物理模型的计算结果集合进行建立，所述代理模型的计算速度快于所述物理模型的计算速度。[0016]在其中一个实施例中，基于所述物理模型采用多项式拟合、支持向量机回归和/或高斯随机过程的方法建立所述代理模型。[0017]在其中一个实施例中，采用贝叶斯优化方法寻找所述目标状态参数。[0018]上述基于数值模型的机械密封状态分析方法，可推测无法直接在线监测的状态参数，进而得知摩擦副的实时状态，便于实施精准、高效的维护。上述基于数值模型的机械密封状态分析方法可用于对未来的性能变化及突发失效风险作出估计，为制定维护 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 和自动应急响应提供依据。上述基于数值模型的机械密封状态分析方法以基于密封工作原理的数值模型为依据，得到的结果具有良好的可解释性。附图说明[0019]图1为本发明一实施例提供的基于数值模型的机械密封状态分析方法思路流程图；[0020]图2为本发明一实施例提供的机械密封装置结构示意图；[0021]图3为本发明一实施例提供的动环和静环结构示意图；[0022]图4为本发明一实施例提供的模拟退火算法流程图；[0023]图5为本发明一实施例提供的分层优化方法估计待定状态参数流程图；[0024]图6为本发明一实施例提供的基于代理模型和贝叶斯优化估计待定状态参数的流程图；[0025]图7为本发明一实施例提供的建立物理模型的思路图。[0026]其中：100、动环；200、静环；400、声发射传感器。具体实施方式[0027]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。[0028]在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、5CN112632849A说　明　书3/11页“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。[0029]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。[0030]在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。[0031]在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。[0032]需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。[0033]本发明提供一种用于预测机械密封装置中摩擦副实时摩擦状态的分析方法。机械密封包括接触式机械密封、液体动压/静压式机械密封以及干气密封。以下各个实施例以干气密封为例进行说明，可以理解的，其原理和步骤经过合理的变形即可用于其他类型的机械密封。[0034]在本发明一实施例中，基于数值模型的机械密封状态分析方法包括如下步骤：S1确认机械密封中待分析的至少一个待定状态参数，并给出所述待定状态参数的取值范围；S2获得机械密封中至少一个在线观测参数；S3建立对机械密封工作状态进行模拟的数值模型，所述数值模型以所述待定状态参数为输入参数，所述数值模型输出模拟观测参数；S4使用优化方法在取值范围内调整所述待定状态参数的取值，直至所述模拟观测参数与所述在线观测参数的差值在误差允许范围内，记录当前的待定状态参数为目标状态参数。本实施例提供的基于数值模型的机械密封状态分析方法的大体的分析思路如图1所示。[0035]需要说明的是，所述待定状态参数指不可在线观测、可能与离线测量状态不一致且可能对机械密封的工作造成显著影响的若干个状态参数，需要根据经验给出待定状态参数列表及它们的可能取值范围；在线观测参数的获取方式可以是不借助工具的感官检查(如目视等)，或由安装在机械密封装置上的传感器得到在线观测参数，且本实施例中只考虑会因待定状态参数的改变而改变的在线观测参数。6CN112632849A说　明　书4/11页[0036]上述基于数值模型的机械密封状态分析方法，可推测无法直接在线监测的状态参数，进而得知摩擦副的实时状态，便于实施精准、高效的维护。上述基于数值模型的机械密封状态分析方法可用于对未来的性能变化及突发失效风险作出估计，为制定维护计划和自动应急响应提供依据。上述基于数值模型的机械密封状态分析方法以基于密封工作原理的数值模型为依据，得到的结果具有良好的可解释性。[0037]在干气密封(及更一般的机械密封)中，两密封环中的旋转者称为动环100，不旋转者称为静环200。两密封中的一个浮动安装，称为补偿环，另一个固定安装，称为非补偿环(特殊情况下可能出现两个密封环都是补偿环的情况，本实施例不讨论)。[0038]在本发明一实施例中，如图2‑3所示，静环200为补偿环、动环100为非补偿环时，静环200被约束不旋转，但仍能沿另5个自由度运动(一般力学领域中认为刚体有6个自由度，包括3个平动和3个旋转)，但在这5个自由度中，经典的机械密封动力学只考虑3个：轴向(Z轴)平动、绕X轴旋转、绕Y轴旋转，这是本实施例中的情况。另外也可以静环200为非补偿环、动环100为补偿环，此时静环200完全固定。干气密封的特殊 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 使得补偿环会追随非补偿环的运动，从而试图保持气膜形状的稳定(气膜过厚则泄漏过大，气膜小于一定值则意味着发生固体接触)。[0039]作为一种可实现的方式，在一套螺旋槽干气密封(机械密封的一种具体形式)设备上，采用转速传感器测量转轴的转速，采用压强传感器(上、下游各一)测量机械密封端面上下游的压强参数，采用流量传感器测量流体的流量并计算流体平均泄漏率，采用声发射传感器400借助滤波探测所述动环100和所述静环200之间的端面接触动态信号。[0040]首先确认待分析的机械密封的待定状态参数及在线观测方式。在本例中，将转速及上、下游压强视为模型中的确定参数。将流量传感器和声发射传感器400的测量结果视为在线观测参数。所述待定状态参数包括动环100端跳和静环200支承异常，所述静环200支撑异常以轴向力和偏转力矩两个分量表示(不失一般性，不考虑偏转力矩相位的影响)。[0041]在本发明第一个具体的实施例中，数值模型形如y＝y(x)，其中x＝[γ，F，M]为待定参数，y(x)＝[q(t；x)，σ(t；x)]为模型预测的观测结果，其中q(t)，σ(t)分别是泄漏率和经带通滤波(170kHz±40kHz)后的短时声发射波的均方根。基于干气密封端面润滑机理和对补偿环的动力学分析，可建立物理方程(在后文给出)。编写程序或使用商用有限元软件可以对这些方程进行数值求解。对泄漏率的监测不能得到其即时值，但可以得到其平均值。在线观测结果y′包括和σ′(t)。[0042]建立对监测结果与模拟结果的差异度量规则。差异定义为[0043]Kq和Kσ为权重系数。在算法实现中，上式中的积分以数值积分取代。[0044]采用适用于多模态、无导数问题的全局优化方法，本实施例以模拟退火算法为例(遗传算法、粒子群算法等亦可使用)，如图4所示：[0045](1)初始化[0046]令迭代次数i＝0。确定一组初始的x，记为x0。在初始值下计算目标函数L0＝L(x0；7CN112632849A说　明　书5/11页y′)。确定初始温度T0(模拟退火算法中所述的“温度”并非代表物理上的温度，相应地，“模拟退火”也并非代表物理上的退火过程，仅表示算法是受到这一物理现象的启发而设计出的)；[0047](2)生成新状态[0048]根据状态转移规则，由xi随机地生成xi+1。本例采用下面的状态转移规则：[0049]首先计算[0050][0051]其中Δγ，ΔF，ΔM为在[‑0.5，0.5]上均匀分布的独立随机变量，常数Rγ，RF，RM表示转移范围尺度。对于γ*，F*，M*中不在可行域内的重新随机，直至其进入可行域，从而得到x*＝[γ*，F*，M*]供判断是否接受新状态。[0052]容易发现，Ti越小，则状态转移的范围越小。[0053](3)判断是否接受新状态[0054]计算L*＝L(x*；y′)，计算ΔL＝L*‑Li，根据ΔL的值决定：[0055]若ΔL≤0，接受新解；[0056]若ΔL＞0，则依概率p＝exp(‑ΔL/T)接受新解。[0057]**接受新解即令xi+1＝x，Li+1＝L，否则令xi+1＝xi，Li+1＝Li。算法实现中，总是保留历史上取得了最小的L的x。[0058](4)令Ti+1＝βTi。其中β为一个常数，本例可取0.995。[0059](5)令i＝i+1。判断是否满足终止条件，若不满足则跳转到(2)。[0060]通过上述方法求解使L(x；y′)取得最小值的x，记为此即本方法对待定状态参数给出的估计。[0061]在本发明第二个具体的实施例中，以第一个实施例为基础，采用一种分层优化策略。分别建立两个优化模型，如图5所示，包括一个低精度优化模型和一个高精度优化模型。在本实施例所述的其他实施例中，如无特别说明，采用的是高精度优化模型。[0062]在实施优化时，先对低精度优化模型得到的结果用全局优化方法实施优化，然后以优化结果为初值，用高精度优化模型采用局部优化方法实施优化。[0063]有必要说明，局部优化算法通常会基于局部的梯度进行搜索，能够以较少的迭代步数收敛，但收敛到的值通常只能保证是一个局部极值；全局优化算法需要更多的迭代步数，但它具备在整个定义域上搜索最小(或最大)值的能力。[0064]在这里，具有更高效率的低精度优化模型被用在需要较多迭代步数的全局优化算法中；而最终为得到一个准确的结果，需要使用高精度优化模型，它的效率较低，但由于前一个优化步骤找到了全局最优值的几个可能的大致位置，此时已只需要实施局部优化，故可以使用迭代次数少的局部优化算法。[0065]具体来说：[0066]采用具有正常的算法参数(指在一定的物理模型下，控制数值算法精确程度的参数，包括：网格精细程度、时间步长、容差)的计算程序作为高精度优化模型，采用具有更宽8CN112632849A说　明　书6/11页松的算法参数(即：更粗的网格、更大的时间步长、更大的容差)的计算程序作为低精度优化模型。[0067]先采用模拟退火算法(同第一个具体的实施例)对低精度优化模型输出结果进行优化(即，这一过程中计算L(x；y′)时采用的是低精度优化模型)，这一过程中不仅返回L的历史最小值对应的x，而是返回迭代历史为集合H＝{(xi，Li)|i＝0，1，2，...，n}(其中n为迭代次数)并按下述流程用高精度优化模型继续进行优化：[0068](1)初始化已选择的低精度优化模型迭代历史集台高精度优化模型局部优化结果集合[0069](2)从H中选取具有最小的L的(x，L)，并将其从H中移除；[0070](3)判断上一步中选取的(x，L)是否与C中的至少一个元素接近(这里“接近”定义为在γ，F，M中至少一个维度上小于某个预先设定的阈值)。若否，则将此(x，L)加入C；[0071](4)以此(x，L)为初值，采用局部优化算法寻找高精度优化模型下取得极小值的(x*，L*)并记录在R中；[0072](5)判断是否满足终止条件。若不满足则跳转到(2)。[0073]作为上述步骤(4)所述的局部优化算法的一种实现，基于有限差分梯度估计的牛顿法步骤如下：[0074](1)给定初值(x，L)；[0075](2)在x＝[γ，F，M]附近，对函数L(x)的Hessian矩阵H和梯度g进行有限差分估计；[0076](3)将x‑H‑1g作为x的新值；[0077](4)判断是否满足终止条件。若不满足则跳转到(2)。[0078]最终找到高精度优化模型下取得最小的L的x，作为方法估计出的[0079]在本发明第三个具体的实施例中，以第一个实施例为基础，如图6所示，利用代理模型技术和贝叶斯优化技术，尽可能减少物理模型的计算次数。由于物理模型的计算通常较慢，因此希望在计算更快的代理模型上充分地分析以确定一个最有价值的计算物理模型的点，然后将这个点的物理模型计算结果再加入到代理模型的数据库中，如此迭代以用较少的物理模型计算次数来得到结果。在本发明的其他实施例中，如无特殊说明，所述“模型”均是物理模型。[0080]将如第一个具体的实施例和第二个具体的实施例那样依据物理机理计算L(x；y′)的模型称为“物理模型”。代理模型指这样一种模型：基于已经由物理模型计算出的一些结果的集合S＝{(xi，Li)|i＝0，1，2，...，m}，对每一个输入的x都能给出对L(x；y′)的值的估计(记为)，一些形式的模型还能额外地给出对L(x；y′)的分布的估计(记累积概率函数为Φ(L；x；S))。其计算耗时远低于物理模型。这样的模型称为代理模型。多种方法都可以构造代理模型，如多项式拟合、支持向量机回归、高斯随机过程等。[0081]本实施例以基于高斯随机过程的代理模型为例，其对L给出一个高斯分布估计，平均值为标准差为[0082]9CN112632849A说　明　书7/11页[0083][0084]其中[0085][0086]LS为S中的L组成的列向量，F为S中的x的多项式特征，R为S中的x与其自身的相关矩阵。f为待估计的x的多项式特征，r为待估计的x与S中的x的相关矩阵。[0087]这里x的多项式特征指的是由x的各个分量的若干种相乘形式组成的行向量。典型地，x＝[γ，F，M]的二阶多项式特征的一种表达形式为[0088]222f2nd＝[1 γ F M γ F M FM γM γF][0089]所述的相关矩阵按如下方式计算：[0090]确定一个相关函数。一般可以选择如下形式的函数：[0091][0092]其中θ＝[θ1 θ2 … θP]和p＝[p1 p2 … pP]被称为超参数，可以预先给定，或用一个额外的优化环节来确定。[0093][0094]r＝[R(x，x1) R(x，x2) … R(x，xm)][0095]在贝叶斯优化方法中，根据上述代理模型的输出结果，计算出一个采集函数α(x；S)并优化之。常用的采集函数有：估计值、置信限、提升概率、提升期望、均方差、Thompson采样等。本例基于提升概率略作改良，设定采集函数为：[0096]α(x；S)＝1‑Φ(min(LS)‑ε；x；S)[0097]即α(x)为代理模型给出的L(x；y′)比L的历史最低值大，或虽然有所减小但差值的绝对值不足ε的概率(为类似地套用实施例1中给出的模拟退火算法，这里定义的是无提升或提升不足的概率，以转化为一个最小化问题)。由于本文的目标函数的含义为对模拟结果和实测结果差异的表征，其最小值应不小于0且接近于0，故可采用如下的动态的ε：[0098]ε＝λmin(LS)[0099]λ取一个较小的数，一般可取0.1。[0100]此外，还需要通过计算试验设计来建立初始的数据库，一般可采用拉丁超立方试验设计，其方法如下：[0101]记试验 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 为：[0102]V＝{vij}N×P[0103]矩阵V的每一行对应于一次试验，每一列对应于一种因子。试验次数记为N，因子数(或参数维度数)记为P(本例P＝3)，V的每一列均为1，2，...，N的一个随机的全排列。每个因10CN112632849A说　明　书8/11页子的N个离散化水平与物理参数值有线性的对应关系：[0104][0105][0106][0107]其中l和u分别代表其下标所示量的可行域下限和上限(假设可行域独立地约束每个维度)。[0108]基于上述技术，对待定参数进行估计的贝叶斯优化流程为：[0109](1)采用拉丁超立方试验设计技术生成一组初始的x1，x2，...，xN，计算它们对应的Li＝L(xi；y′)，从而形成S＝{(xi，Li)|i＝0，1，2，...，N}。初始化i＝N；[0110](2)基于S建立代理模型，采用全局优化方法(例如实施例1中给出的模拟退火算法)寻找使采集函数α(x；S)取得最小值的x，记为xi+1；[0111](3)计算Li+1＝L(xi+1；y′)，将(xi+1，Li+1)加入到S中；[0112](4)令i＝i+1。判断是否满足终止条件，若不满足则跳转到(2)。[0113]终止后，在S中找出具有最小的L的x，即为估计值[0114]如图7所示，以下内容详述实施例1‑3中干气密封的物理方程的建立过程，可以理解的，实施例1‑2中的数值模型以及实施例3中的物理模型均为本处详述的物理模型。它不一定完全适用于更一般的机械密封，但有相似之处。可以理解的，还可以基于实际工况建立其他合理的物理模型，比如出于提高计算效率和/或计算精度的目的建立其他合理的物理模型。[0115]一、几何[0116]作为补偿环的静环200被认为有3个自由度：轴向位移zs、绕坐标轴倾角γxs和γys。如图3所示，zs以非补偿环(本例中是动环100)指向补偿环(本例中是静环200)的方向为正，γxs和γys分别以绕X轴和Y轴的右手螺旋方向为正。静环200与被认为是固定件的静环200座间存在由弹簧和副密封组成的浮动支承，这些浮动支承整体被视为线性的刚度和阻尼，包括轴向刚度与阻尼kzs，czs和角向刚度与阻尼kγs，cγs。此外，静环200具有质量和转动惯量m，J。不同于浮动安装的静环200，固定安装、随轴旋转的动环100的轴向位移zr、绕坐标轴倾角γxr和γyr则被认为是确定的。静环200和动环100的相对位移及端面高度图案决定了间隙大小即膜厚的分布。[0117][0118]11CN112632849A说　明　书9/11页[0119][0120]式中，(x，y)表示密封环带中一点的位置。密封环带表示为膜厚分布h被认为是定义在该平面上的场。用两个特殊的场量hdes和hdef表示端面高度图案，前者表示预先设计的、正常的端面高度图案，如槽、预先设计的波度和锥度、织构等，后者则表示非预先设计的端面高度图案，即变形导致的波度和锥度。余下的标量h0即表示Us‑Ur＝0且hdes，hdef处处为零时的膜厚。粗糙度尺度的表面高度起伏不计入膜厚分布，但会在润滑和接触的计算中考虑。[0121]关于式(2)，如前所述，Ur被视为一个确定的值。通常的情况是认为动环100端面与轴线不垂直，而是存在一个倾角γr，从而有[0122][0123]二、润滑[0124]膜厚分布决定了介质压强在端面上的分布。将介质视为理想气体，忽略其惯性，认为具有常数温度和粘度，认为边界无滑移。此时气膜的绝对压强p满足：[0125][0126][0127]这里μ为介质的动力粘度，t为时间，r和θ分别是极坐标下的极径和极角。pvs对应于引入流体对应的源项，典型的如来自节流孔的介质(此时vs为其流入端面的速率)，对于无此结构的密封则取vs＝0。为流量因子。在膜厚与表面粗糙度相比很大的问题中，可直接取1。而若问题中可能包含膜厚较小的情形，则应当进行修正，这里取：[0128][0129]其中σa为表面高度分布标准差。[0130]作为性能输出，泄漏率q可由下式计算：[0131][0132]三、接触[0133]膜厚分布决定了接触压强在端面上的分布。有必要指出，干气密封正常稳定运转时是不接触的，但在一些异常状态下仍可能接触，恰是在这种情况下有识别密封工作状态的需求，故本模型包含了对接触的考虑(而大部分现有文献不会这样做)。[0134]接触力表现为由当地膜厚h决定的压强pc，采用GW模型12CN112632849A说　明　书10/11页[0135][0136]作为可监测要素输出，声发射信号的RMS值σ同样由对接触的分析给出：[0137][0138]这一模型认为，粗糙表面间的接触作用发生在粗糙峰之间，各个粗糙峰仅发生弹性变形。两个表面间的接触问题被等效处理为一个理想刚性光滑表面和一个等效粗糙表面接触，其表面参数如下：Y为等效弹性模量，v为相对运动的线速度，ηs为粗糙峰密度(即单位面积上的粗糙峰个数)，Rs为粗糙峰平均曲率半径，σs为粗糙峰高度标准差，为粗糙峰平均高度(以表面平均高度为参考)，K为表征传播和监测过程的传递系数，Φ表示标准高斯分布的概率密度函数。[0139]四、动力学[0140]列出静环200的动力学方程如下：[0141][0142][0143]13CN112632849A说　明　书11/11页[0144][0145][0146][0147]这里，静环200的惯性被集成在矩阵M中，支承的阻尼和刚度由矩阵Cs和Ks描述。Qf描述来自气膜的作用力，Qc描述来自接触的作用力。[0148]平衡广义力Qb只有轴向分量Fb，其来自静环200周围介质的压力和设计状态下的预紧力FPre：[0149][0150]各种直接作用于静环200的异常因素，包括预紧力的误差、支承不均匀、或其他各种使静环200承受作用力的方式均以静环200额外承受一个广义力Q来模拟。在本专利的各个实施例中，不考虑静环200承受力矩的相位，故进一步简化为[0151][0152]以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。[0153]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。14CN112632849A说　明　书　附　图1/5页图1图215CN112632849A说　明　书　附　图2/5页图316CN112632849A说　明　书　附　图3/5页图417CN112632849A说　明　书　附　图4/5页图518CN112632849A说　明　书　附　图5/5页图6图719