核电管板深孔钻削刀具系统时变异常振动智能识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51905421
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    思悦
  • 依托单位：
    西安理工大学
  • 学科分类：
    E0503.机械动力学
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

The abnormal vibration of tool system is the key factor that restricts the improvement of deep hole machining quality, reliability and efficiency of nuclear tube sheet. Effective identification method for tool condition can provide evidence to suppress the abnormal vibration of tool timely. According to the time varying and weakness of dynamic response signals of tool, and the nonlinear relationship between abnormal vibration and its symptom, this research project aims to the nonlinear dynamical model of deep hole tool system and experiment are developed to reveal evolution mechanism of tool system abnormal vibration. The mapping relationship between abnormal vibration and its dynamic response is investigated. To realize the extraction of time varying and weak feature from dynamic response signal, the hierarchic matching sparse decomposition algorithm based on full frequency domain dictionary and weak feature enhancement algorithm based on synchronized compression is built. To realize the accurate identification and warning of the tool system abnormal vibration type and severity in nuclear tube sheet deep hole machining, the deep migration learning intelligent identification model is constructed. This research project is intend for providing the key technology for the accurate identification of the deep hole tool condition, which is significant for the suppression of abnormal vibration and the improvement of machining quality, reliability and efficiency of nuclear tube sheet.
深孔刀具系统异常振动是影响核电管板深孔加工质量、可靠性和效率的关键因素。目前由于尚缺乏快速有效的异常振动识别方法，使得深孔刀具系统异常振动难以实时在线抑制。针对深孔刀具系统异常振动特征信号的时变、微弱性，异常振动与其征兆之间关系的复杂非线性等特点，本项目研究基于凝聚建模法的刀具系统局部非线性耦合特性表征方法，构建深孔刀具系统动力学模型，揭示刀具系统异常振动与其动态响应的映射关系；研究基于全频域字典库的逐级匹配稀疏分解算法和微弱特征时频域同步压缩能量增强方法，实现动态响应中时变、微弱异常振动特征信号精确提取；研究构建适用于核电管板深孔刀具系统的深度迁移学习智能识别模型，实现刀具系统异常振动及其严重程度的实时精确识别和预警。本项目可为核电管板深孔刀具系统时变异常振动智能识别提供新方法，对于实现深孔刀具系统异常振动在线抑制、提高核电管板深孔加工质量、可靠性和效率，具有重要学术意义和工程应用价值。

结项摘要

深孔刀具系统异常振动是影响核电管板深孔加工质量、可靠性和效率的关键因素。快速有效的异常振动识别方法，可为深孔刀具系统异常振动在线抑制提供理论基础和依据，对提高深孔加工质量具有重要意义。本项目开展核电管板深孔刀具系统异常振动智能识别方法研究，主要研究内容和成果如下：(1) 考虑深孔刀具系统各局部接触面耦合特性，构建融入局部接触特性和钻削力的深孔刀具系统动力学模型；基于模型探究了深孔刀具系统动态响应特性，可为异常振动特征信号提取提供先验知识。(2) 考虑到背景噪声对主轴转频高倍频信号的污染，以及加工环境中背景噪声的高频和低幅值特性，提出了改进经验小波去噪技术的深孔刀具系统异常振动特征信号提取方法, 实现了动态响应中异常振动特征信号的有效提取。(3) 针对由于单传感器信号中特征信息不全面及特征信息微弱等问题导致深孔刀具系统振动状态辨识难的问题，提出了基于多变量时频同步压缩算法的多传感器信号融合和特征增强方法，实现了异常振动特征信息的全面提取和有效增强。(4) 针对进行大量深孔钻削实验、对大量振动信号进行标注成本高、耗时耗力等问题，提出了基于深度迁移卷积神经网络模型的深孔刀具系统异常振动智能识别方法，实现了深孔刀具系统异常振动的有效识别。本项目研究成果为深孔刀具系统异常振动智能识别提供了新方法。

项目成果

期刊论文数量（5）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（3）
基于振动信号的深孔钻削涡振在线检测方法研究
  • DOI：
    10.19650/j.cnki.cjsi.j2006138
  • 发表时间：
    2020
  • 期刊：
    仪器仪表学报
  • 影响因子：
    --
  • 作者：
    思悦;孔令飞;李旭阳;郑建明;李淑娟
  • 通讯作者：
    李淑娟
Bolt-Loosening Detection Using 1D and 2D Input Data Based on Two-Stream Convolutional Neural Networks.
基于两流卷积神经网络的一维和二维输入数据的螺栓松动检测
  • DOI：
    10.3390/ma15196757
  • 发表时间：
    2022-09-29
  • 期刊：
    Materials (Basel, Switzerland)
  • 影响因子：
    --
  • 作者：
    Hou X;Guo W;Ren S;Li Y;Si Y;Su L
  • 通讯作者：
    Su L
Whirling detection in deep hole drilling process based on multivariate synchrosqueezing transform of orthogonal dual-channel vibration signals
基于正交双通道振动信号多元同步挤压变换的深孔钻削过程中旋动检测
  • DOI：
    10.1016/j.ymssp.2021.108621
  • 发表时间：
    2021-11-20
  • 期刊：
    MECHANICAL SYSTEMS AND SIGNAL PROCESSING
  • 影响因子：
    8.4
  • 作者：
    Si, Yue;Kong, Lingfei;Wang, Qilong
  • 通讯作者：
    Wang, Qilong
Vibration suppression of drilling tool system during deep-hole drilling process using independence mode space control
独立模式空间控制深孔钻削过程中钻具系统振动抑制
  • DOI：
    10.1016/j.ijmachtools.2020.103525
  • 发表时间：
    2020-04-01
  • 期刊：
    INTERNATIONAL JOURNAL OF MACHINE TOOLS & MANUFACTURE
  • 影响因子：
    14
  • 作者：
    Kong, Lingfei;Cao, Shuai;Li, Yan
  • 通讯作者：
    Li, Yan
Condition monitoring of deep-hole drilling process based on improved empirical wavelet de-noising and high multiple frequency components of rotation frequency
基于改进经验小波去噪和旋转频率高倍频分量的深孔钻削过程状态监测
  • DOI：
    10.1007/s00170-021-06965-z
  • 发表时间：
    2021-04-07
  • 期刊：
    INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY
  • 影响因子：
    3.4
  • 作者：
    Si, Yue;Zhang, Zhousuo;Zheng, Jianming
  • 通讯作者：
    Zheng, Jianming

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

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

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