短筒谐波减速器裂纹特征的强自适应性多小波定量识别

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51405379
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    陈景龙
  • 依托单位：
    西安交通大学
  • 学科分类：
    E0503.机械动力学
  • 结题年份：
    2017
  • 批准年份：
    2014
  • 项目状态：
    已结题
  • 起止时间：
    2015-01-01 至2017-12-31

项目摘要

There is an increasing demand of harmonic gear reducer with short flexspline in the applications of aerospace, robot, machining center, radar equipment and so on. Crack fault of key components inevitably effects the safe and reliable operation of equipment. However, due to elastic deformation of flexspline, crack feature is weak, which increases the difficulty of quantitative identification. Moreover, compound crack feature make this task challenging. This project aims to meet the requirement on high reliability for harmonic gear reducer with short flexspline. First, built model based on rigid-flexible coupling dynamics to study dynamic response mechanism and provide the basis for crack quantitative identification. Next, propose generalized two-scale similarity transform and improved lifting scheme in time domain and frequency domain to construct the strong adaptivity multiwavelet basis function of crack feature. Then, propose the optimal decomposition scheme of multiwavelet transform and establish a dimensionless measure criterion for crack quantitative identification of harmonic gear reducer with short flexspline. Finally, these proposed methods will be tested and verified through experimental research and engineering applications. This research project, concentrating on both theoretical significance and engineering applicability, will form a theory and technical support for crack quantitative identification of harmonic gear reducer with short flexspline.
短筒谐波减速器在航空航天、机器人、加工中心等领域的需求日益增长，其关键元件短筒柔轮等的疲劳裂纹发生往往影响装备的安全可靠运行。然而，由于柔性体弹性变形导致裂纹特征的微弱性以及多重复合裂纹特征的存在大大增加了裂纹定量识别的难度。本项目从短筒谐波减速器的高可靠性发展需求出发，提出短筒谐波减速器的刚柔耦合建模方法，分析其动力学特性与失效机理，为短筒谐波减速器裂纹定量识别提供依据；提出基于广义两尺度相似变换理论和改进多小波时频域提升框架的自适应多小波构造方法，实现裂纹特征强自适应性多小波基函数的构造；提出强自适应性多小波的最优分解策略，建立无量纲测度指标与裂纹大小等级判断标准，实现短筒谐波减速器裂纹特征定量识别。通过试验研究和工程应用对裂纹定量识别方法进行检验和修正。研究成果将为短筒谐波减速器的裂纹特征定量识别提供理论和技术支持，具有重要的学术研究意义和工程应用价值。

结项摘要

短筒谐波减速器在航空航天、机器人、加工中心等领域的需求日益增长，其关键元件短筒柔轮等的疲劳裂纹发生往往影响装备的安全可靠运行。然而，由于柔性体弹性变形导致裂纹特征的微弱性以及多重复合裂纹特征的存在大大增加了裂纹定量识别的难度。本项目从短筒谐波减速器的高可靠性发展需求出发，提出短筒谐波减速器的刚柔耦合建模方法，分析其动力学特性与失效机理，为短筒谐波减速器裂纹定量识别提供依据；提出基于广义两尺度相似变换理论和改进多小波时频域提升框架的自适应多小波构造方法，实现裂纹特征强自适应性多小波基函数的构造；提出强自适应性多小波的最优分解策略，建立无量纲测度指标与裂纹大小等级判断标准，实现短筒谐波减速器裂纹特征定量识别。通过试验研究和工程应用对裂纹定量识别方法进行检验和修正。研究成果将为短筒谐波减速器的裂纹特征定量识别提供理论和技术支持，具有重要的学术研究意义和工程应用价值。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（5）
Data-driven mono-component feature identification via modified nonlocal means and MEWT for mechanical drivetrain fault diagnosis
通过改进的非局部方法和 MEWT 进行数据驱动的单组件特征识别，用于机械传动系统故障诊断
  • DOI：
    10.1016/j.ymssp.2016.05.013
  • 发表时间：
    2016-12-01
  • 期刊：
    MECHANICAL SYSTEMS AND SIGNAL PROCESSING
  • 影响因子：
    8.4
  • 作者：
    Pan, Jun;Chen, Jinglong;He, Zhengjia
  • 通讯作者：
    He, Zhengjia
Wavelet transform based on inner product in fault diagnosis of rotating machinery: A review
基于内积的小波变换在旋转机械故障诊断中的应用综述
  • DOI：
    10.1016/j.ymssp.2015.08.023
  • 发表时间：
    2016-03-01
  • 期刊：
    MECHANICAL SYSTEMS AND SIGNAL PROCESSING
  • 影响因子：
    8.4
  • 作者：
    Chen, Jinglong;Li, Zipeng;He, Zhengjia
  • 通讯作者：
    He, Zhengjia
Mono-component feature extraction for mechanical fault diagnosis using modified empirical wavelet transform via data-driven adaptive Fourier spectrum segment
通过数据驱动的自适应傅里叶谱段使用修正经验小波变换进行机械故障诊断的单分量特征提取
  • DOI：
    10.1016/j.ymssp.2015.10.017
  • 发表时间：
    2016-05-01
  • 期刊：
    MECHANICAL SYSTEMS AND SIGNAL PROCESSING
  • 影响因子：
    8.4
  • 作者：
    Pan, Jun;Chen, Jinglong;He, Zhengjia
  • 通讯作者：
    He, Zhengjia
Planetary gearbox condition monitoring of ship-based satellite communication antennas using ensemble multiwavelet analysis method
利用集合多小波分析方法监测船基卫星通信天线行星齿轮箱状态
  • DOI：
    10.1016/j.ymssp.2014.07.026
  • 发表时间：
    2015-03
  • 期刊：
    Mechanical Systems and Signal Processing
  • 影响因子：
    8.4
  • 作者：
    Zhang, Xiaoyan;Zi, Yanyang;He, Shuilong;Yang, Zhe
  • 通讯作者：
    Yang, Zhe
Generator bearing fault diagnosis for wind turbine via empirical wavelet transform using measured vibration signals
使用实测振动信号通过经验小波变换进行风力涡轮机发电机轴承故障诊断
  • DOI：
    10.1016/j.renene.2015.12.010
  • 发表时间：
    2016-04-01
  • 期刊：
    RENEWABLE ENERGY
  • 影响因子：
    8.7
  • 作者：
    Chen, Jinglong;Pan, Jun;Chen, Xuefeng
  • 通讯作者：
    Chen, Xuefeng

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

大鼠海马神经干细胞的扩增及与三维微小凹图式复合的研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    第三军医大学学报
  • 影响因子：
    --
  • 作者：
    吴泽志;文灿;于婷;阴金波;宋兆全;张利光;陈景龙;吕艳玲
  • 通讯作者：
    吕艳玲
自适应冗余多小波及其在故障诊断中的应用
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西安交通大学学报
  • 影响因子：
    --
  • 作者：
    陈景龙;訾艳阳;何正嘉;袁静
  • 通讯作者：
    袁静
基于无监督特征表示深度Q学习的智能故障诊断方法
  • DOI：
    10.11817/j.issn.1672-7207.2022.05.020
  • 发表时间：
    2022
  • 期刊：
    中南大学学报. 自然科学版
  • 影响因子：
    --
  • 作者：
    乌文扬;陈景龙;刘莘;周子桐
  • 通讯作者：
    周子桐

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

陈景龙的其他基金

类不平衡样本下瞬变工况运行涡轮泵轴承的健康状态高可信智能识别
  • 批准号：
    52275129
  • 批准年份：
    2022
  • 资助金额：
    54.00 万元
  • 项目类别：
    面上项目
类不平衡样本下瞬变工况运行涡轮泵轴承的健康状态高可信智能识别
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    54 万元
  • 项目类别：
    面上项目
面向气路故障的多源数据驱动航空发动机剩余寿命智能预测方法研究
  • 批准号：
    91960106
  • 批准年份：
    2019
  • 资助金额：
    60.0 万元
  • 项目类别：
    重大研究计划
基于深度生成对抗网络的小样本下航空发动机气路故障智能识别技术研究
  • 批准号：
    U1933101
  • 批准年份：
    2019
  • 资助金额：
    36.0 万元
  • 项目类别：
    联合基金项目
复杂远洋环境下船载天线半实物精确建模与指向精度非线性退化趋势预测
  • 批准号：
    51875436
  • 批准年份：
    2018
  • 资助金额：
    60.0 万元
  • 项目类别：
    面上项目

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