基于高密度点云测量数据的复杂多腔体零件制造误差建模理论与控制方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51775343
  • 项目类别:
    面上项目
  • 资助金额:
    54.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0510.制造系统与智能化
  • 结题年份:
    2021
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2021-12-31

项目摘要

The workpieces with multiple chambers are widely applied in aviation, aerospace, energy and automobile industries, etc., and their manufacturing errors affect greatly the service functions of the final product. This project takes manufacturing errors of the workpieces with multiple chambers as subject investigated, develops datum transformation based on the high-density point cloud and reconstruction algorithm of irregular surfaces of the chambers, and realizes the irregular surface configuration, boundary extraction and accurate volume calculation. Based on revealing the formation mechanism, joint variation and performance evolution of the manufacturing errors (features of chambers, plane, etc) extending in the time-domain and space-domain along the process, a combined time-space forecasting model for manufacturing errors of multi-chamber parts is proposed, and quantitative calculation of manufacturing errors in multi-stage manufacturing process of the multi-chamber parts is achieved. New control charts suitable for the sample size, data structure and error fluctuation rule of multi-chamber parts with high density point cloud data are developed to realize the time and space-based on-line monitoring of high dimensional nonlinear point cloud data. A multi-objective algorithm and feasible engineering solutions for volume consistency control of multiple chambers based on high-density point cloud data are constructed, and new methods of process optimization and tool monitoring are developed to realize on-line manufacturing feedback compensation and process optimization under mass production conditions. This project will create a new scientific basis and practical tool for modeling, monitoring and on-line robust control of manufacturing errors of complicated multi-chamber workpieces.
多腔体零件广泛应用于航空、航天、能源、汽车等领域,其制造误差对最终产品的服役性能具有重要影响。本项目以复杂多腔体零件制造误差为研究对象,建立高密度点云数据基准转换和内腔不规则曲面重构算法,实现不规则曲面构形、边界提取与容积精确计算。在揭示内腔、平面等特征制造误差随着工序延展在时间域和空间域的形成机理和联合变化规律基础上,提出多腔体零件制造误差时间-空间联合预测模型,实现对多腔体零件多工序制造过程制造误差的定量计算。开发新的适合多腔体零件高密度点云数据样本量、数据结构和误差波动规律的控制图,实现高维度非线性点云数据的时间-空间联合在线监控。基于高密度点云数据构建内腔一致性控制多目标算法与可行工程解,开发新的工艺优化和刀具监控方法,实现大批量生产条件下的制造误差在线补偿反馈和工艺优化。本项目将为复杂多腔体零件制造误差建模、监控与在线健壮控制产生一个新的科学基础与实践工具。

结项摘要

零件的制造误差是机械加工的重要控制对象。复杂多腔体零件通常具有壁薄、内腔形状复杂等特点,其制造误差的测量和控制一直是研究重点和难点。本项目依据高精度高密度的点云测量数据,整体反映复杂腔体零件的三维信息,从而能够揭示复杂多腔体零件制造误差的形成规律,变革传统误差控制模式。.本研究提出了复杂多腔体零件制造误差的建模理论与控制方法,围绕高密度点云数据,解决了多腔体零件不规则曲面构形、边界提取与容积精确计算的问题,提出了多腔体零件制造误差时间-空间联合预测模型,开发了高维轮廓控制图,准确揭示了多工序制造过程制造误差的传递和控制规律,实现了高维度非线性点云数据的在线监控和制造过程闭环在线健壮反馈控制。针对多腔体容积一致性问题建立容积波动与铣削深度关系模型和工程可行解,提出基于批次的腔体曲面容积波动控制方法。对多腔体零件制造误差工艺参数优化建模,开发新的工艺优化和刀具监控方法,实现大批量生产条件下的制造误差在线补偿反馈和工艺优化。为复杂多腔体零件多工序加工过程中的质量提升提供了新的科学基础与实践工具。

项目成果

期刊论文数量(24)
专著数量(1)
科研奖励数量(0)
会议论文数量(3)
专利数量(3)
High Definition Metrology-Based Quality Improvement of Surface Texture in Face Milling of Workpieces With Discontinuous Surfaces
基于高清计量的不连续表面工件面铣削表面纹理质量改进
  • DOI:
    10.1115/1.4051883
  • 发表时间:
    2021-08
  • 期刊:
    ASME Transaction on Manufacturing Science and Engineering
  • 影响因子:
    --
  • 作者:
    Guilong Li;Shichang Du;Bo Wang;Jun Lv;Yafei Deng
  • 通讯作者:
    Yafei Deng
An extended bi-dimensional empirical wavelet transform based filtering approach for engineering surface separation using high definition metrology
基于扩展二维经验小波变换的滤波方法,用于使用高清晰度计量的工程表面分离
  • DOI:
    10.1016/j.measurement.2021.109259
  • 发表时间:
    2021-04-07
  • 期刊:
    MEASUREMENT
  • 影响因子:
    5.6
  • 作者:
    Shao, Yiping;Du, Shichang;Tang, Hongtao
  • 通讯作者:
    Tang, Hongtao
Sealing analysis of face-milled surfaces based on high definition metrology
基于高清计量的面铣表面密封分析
  • DOI:
    10.1016/j.precisioneng.2021.08.020
  • 发表时间:
    2022-01
  • 期刊:
    Precision Engineering
  • 影响因子:
    --
  • 作者:
    Yaxiang Yin;Shichang Du;Yiping Shao;Kun Wang;Lifeng Xi
  • 通讯作者:
    Lifeng Xi
A fast and adaptive bi-dimensional empirical mode decomposition approach for filtering of workpiece surfaces using high definition metrology
一种快速自适应二维经验模态分解方法,用于使用高清计量对工件表面进行过滤
  • DOI:
    10.1016/j.jmsy.2018.01.005
  • 发表时间:
    2018
  • 期刊:
    Journal of Manufacturing Systems
  • 影响因子:
    12.1
  • 作者:
    Du Shichang;Liu Tao;Huang Delin;Li Guilong
  • 通讯作者:
    Li Guilong
Leakage Monitoring in Static Sealing Interface Based on Three Dimensional Surface Topography Indicator
基于三维表面形貌指示器的静密封界面泄漏监测
  • DOI:
    10.1115/1.4040620
  • 发表时间:
    2018-07
  • 期刊:
    Journal of Manufacturing Science and Engineering, Transactions of the ASME
  • 影响因子:
    --
  • 作者:
    Shao Yiping;Yin Yaxiang;Du Shichang;Xia Tangbin;Xi Lifeng
  • 通讯作者:
    Xi Lifeng

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

废旧电器电子产品回收预测的时间-空间模型研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    工业工程与管理
  • 影响因子:
    --
  • 作者:
    吕君;杜世昌
  • 通讯作者:
    杜世昌
基于改进的集合经验模态方法振动信号分解
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    上海交通大学学报
  • 影响因子:
    --
  • 作者:
    杜世昌;黄德林;任斐;梁鑫光
  • 通讯作者:
    梁鑫光
多工序加工系统产品尺寸误差传递建模
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    杜世昌;王猛;奚立峰
  • 通讯作者:
    奚立峰
多阶段制造系统中尺寸偏差建模与
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    上海交通大学学报Vol.40, No. 4, pp. 583-587,2006.
  • 影响因子:
    --
  • 作者:
    杜世昌;奚立峰;潘尔顺
  • 通讯作者:
    潘尔顺
面向质量控制的制造系统可诊断性
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    机械工程学报Vol.42, No.5, pp.149-154, 2006.
  • 影响因子:
    --
  • 作者:
    杜世昌;奚立峰;潘尔顺
  • 通讯作者:
    潘尔顺

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

杜世昌的其他基金

变刚度局部薄壁零件多齿铣削加工过程的力学建模与加工误差控制方法
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
基于全息激光干涉测量的零件三维形貌制造误差建模理论与诊断方法
  • 批准号:
    51275558
  • 批准年份:
    2012
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目
产品质量制造误差非线性显式建模理论和在线控制技术
  • 批准号:
    50905114
  • 批准年份:
    2009
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码