针对航空发动机石墨浮环密封端面磨损问题,基于修正的分形接触理论及Archard磨损理论,从微观角度推导出石墨浮环密封端面的分形磨损预估模型,并采用文献实验数据验证模型的合理性。最后通过数值仿真方法分析研究表面形貌参数及工况参数对浮环密封端面磨损率的影响规律。研究结果表明:石墨浮环密封端面磨损率随着分形维数的增加,先增大后减小,当分形维数处于1.45~1.65时存在最小磨损率;当分形维数一定时,石墨浮环密封端面的磨损率随表面特征尺度、摩擦因数及浮环滑移速度的增大而增大;石墨浮环密封端面的磨损率主要与频率指数最小等级及后续的7个等级微凸体相关,其余微凸体对整个浮环密封端面的磨损率影响可忽略不计。

针对液膜密封状态监测领域无损监测开发不足、信号特征评估困难以及摩擦状态判别智能化特性缺乏的问题,提出一种基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法。该方法将声发射无损监测技术应用于液膜密封的摩擦状态监测,卷积神经网络作为液膜密封摩擦状态自主决策的实现手段,声发射信号的时频信息作为卷积神经网络的特征输入,分析短时傅立叶变换、S变换以及小波变换3种时频分析方法对卷积神经网络识别性能的影响。结果表明:对于液膜密封的声发射信号,3种时频分析方法与卷积神经网络结合的优选顺序为:短时傅立叶变换、S变换、小波变换;基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法准确率较高,相比其他识别方法取得了较好的识别效果。