多源数据融合驱动的性能预测与螺旋槽干气密封方法评估 于嘉树 丁学星 于建平

《Lubricants》：Multi-Source Data Fusion-Driven Performance Prediction and Method Evaluation for Spiral Groove Dry Gas Seal Jiashu Yu, Xuexing Ding and Jianping Yu

　　

摘要

螺旋槽式干气密封件广泛应用于各种旋转机械中，其性能预测对结构设计和运行优化具有重要意义。现有研究仍存在 beberapa 限制，包括数值模拟的精度有限、实验样本数量不足以及基于单一数据源的模型的泛化能力受限。为了解决这些问题，本研究构建了一个集成数值模拟数据和实验数据的多源数据系统，并系统地比较了四种代表性的数据融合方法，即不确定性加权融合算法（Uncertainty-Weighted Fusion Algorithm）、TrAdaBoost、MFDNN 和 CoKriging，分析了它们的适用性和预测性能。结果表明，多源数据融合可以有效利用不同数据源的互补优势，提高干气密封件性能的预测准确性。在数据融合方法的比较中，所有四种方法在处理槽深问题时都取得了良好的效果；然而，在具有更强非线性特征的螺旋角度和槽数问题中，各方法之间存在明显差异。其中，TrAdaBoost 的整体性能最佳，其次是 MFDNN，然后是 CoKriging，而不确定性加权方法的性能相对较弱。从密封件性能来看，槽深对密封件性能的影响较为直接；建议将螺旋角度控制在 10–14° 之间，槽数控制在 12–16 之间，以平衡打开力和泄漏率。本研究可为螺旋槽式干气密封件的快速性能预测和参数优化提供参考。