基于PSO-BP的调控型气体密封状态参数智能计算方法研究

调控型气体密封作为一种非接触密封,可以提高系统服役过程中运行的稳定性,但是目前密封状态参数的计算方法存在计算模型建立过程繁杂以及迭代计算耗时较长等缺点。本文采用了一种符合智能调控系统输出精度及时效性要求的粒子群算法(PSO)优化下的BP(Back Propagation)神经网络方法,开发了基于PSO-BP的调控型气体密封状态参数的智能调控程序。并且对神经网络模型初始阀值与权值进行取值优化,讨论了粒子群种群数量,隐含层数,神经元数等参数对智能计算程序的影响。搭建了基于PSO-BP的调控型气体密封试验验证系统,验证了密封状态参数智能计算程序的精确度。实现了调控型气体密封的智能调控,提高了调控型气体密封抗干扰能力,促进了大型离心压缩机向宽工况、高参数、高效率和智能化方向发展。

油气两相回流泵送密封的端面温度分布分析及试验验证

密封端面温度不但影响端面变形也表征了端面的摩擦状态,对密封的运行至关重要,尤其是对于动压密封启停时的非开启状态。研究油气两相回流泵送密封(OG-BPS)在开启态和非开启态下的端面温度分布。在ANSYS Workbench中建立热-结构耦合数值分析模型并进行变工况参数试验,分析了转速、压差和液气比等工况参数对端面温度的影响。结果表明:在开启态下,端面温度随着转速和液气比的增加仅略有增加,因此OG-BPS在变工况条件下能够稳定可靠地工作;在未开启态下,端面温度随着转速和压差的增加而急剧增加,但随着液气比的增大,端面温度迅速下降,油气两相介质有利于启停运行。试验结果与数值计算结果相吻合,证明了数值计算的正确性。