文摘

现在的工作都集中在切削力(Fc)和分析车削加工表面的6061合金和裸PVD-TiB AA₂涂层切削插入。将测试一直在进行数控车削干切削条件下基于田口L₁₈(2¹×3³)数组。Kistler 9257型测功器和设备用于测量主切削力(Fc)将实验。方差分析(方差分析)应用于定义的影响参数对Fc和Ra的水平。此外,Fc的数学模型,开发了Ra通过线性和二次回归模型。结果表明,最佳的性能在Fc和Ra得到裸插入,切割速度350米/分钟,加料速度的0.1毫米/牧师,和深度削减1毫米。此外,加料速度是最具影响力的参数Ra和Fc,分别为64.28%和54.9%。发达的数学模型对切削力(Fc)和表面粗糙度(Ra)与系数的确定提供可靠的结果(R²)分别为96.04%和92.15%。

1。介绍

在我们的世界,全球变暖已经感觉很多近年来,智能方法和轻质材料的需求不断增加。有限公司₂排放在环境污染方面是一个重要的标准。气态废物的环境在很大程度上依赖于有限公司₂运输业[产生的排放1]。许多汽车零部件轻量化材料的使用是增加在汽车行业,公司的地方₂排放被认为是。燃料储蓄通过减肥通过使用轻质材料。轻质材料的一个例子是AA 6061合金。这种材料的主要合金元素镁和硅。此外,这种合金的密度为2.63克/厘米³使得应用程序很重要的强度重量比被认为是在汽车,飞机和航空航天工业。AA 6061合金也首选超过其他铝系列由于其性能如强度,成形性、可焊性、耐蚀性、低成本(2]。

渴望获得产品与高生产效率和质量部门原因增加竞争力。在这种背景下,优化技术用于改善生产过程(3- - - - - -7]。特别是在加工的输入参数的优化,可以减少成本节省时间,能源消耗和废弃。有许多研究文献中对田口方法,这是一种优化技术(8- - - - - -10]。这种方法减少了生产和测试成本减少试验的次数(11]。

有很多研究的决心在文献中不同的铝系列的可加工性。在他们的研究中,Rajeswari Amirthagadeswaran加工7075铝材料生产在不同铣床SiC强化比率。他们研究加工属性获得最低表面粗糙度,切削力、刀具磨损、金属去除率和最大使用RSM-based灰色关联分析在主轴转速,进给速率,深度,和材料重量百分比比率。分析他们的研究结果,优化加工参数确定主轴转速为1000 rpm,加料速度的0.03毫米/牧师,1毫米深度减少,SiC 5%体重比12]。Goncalves和席尔瓦调查添加铜的效果(铜)AA 6351 (Al-Si-Mg)合金在不同的比率在和易性的测量和评估钻井扭矩,压缩力和表面粗糙度的合金在钻探。切削速度和饲料率研究了根据五个不同的值。铜添加到铝析出硬化增加。钻井扭矩和压缩力线性增加钻井期间随着进给速率的增加。虽然高钻井扭矩和压缩力测量的进给速率0.2毫米/牧师在钻井和样品铜比例增加,表面粗糙度,另一方面,恶化在钻井(13]。Demir和Gunduz检查人工老化的影响6061铝合金切削加工性能,研究不同老化时间的影响和切削速度对切削力和表面粗糙度在180°C。他们决定,老化时间和切割速度均显著影响表面粗糙度值(2]。Ranganath等人研究了切削速度的影响,进给速率和深度降低表面粗糙度在干切削条件下6061铝合金。他们认为最具影响力的参数对表面粗糙度切割速度。他们获得的最低的表面粗糙度值最低的削减的深度和进给速率,这是最佳水平的深度削减(14]。Ozturk和卡拉专注于计算和估计表面粗糙度和能源消耗在6061合金铣削AA。他们报告说,表面粗糙度降低切割期间作为能源消耗值增加为主轴电机(15]。

文献调查表明,有相当多的信息关于铝合金的切削加工性能。然而,它注意到,没有广泛的研究是在将切削力和表面粗糙度AA 6061合金具有不同的切削工具。因此,这项工作的目标是开发表面粗糙度的数学模型(Ra)和削减部队在6061年把AA (Fc)合金。在这种背景下,将测试进行了干切削条件下数控车削。切削力发生在每个切削条件下的实验测量了9257个基斯特勒公司压电测力仪。此外,已加工表面的粗糙度测量每次实验。方差分析(方差分析)应用于定义的贡献将参数对Ra和Fc。同时,开发预测方程进行回归分析Ra和Fc。最后,评估Ra和Fc,线性和二次数学模型已经被开发和测试验证实验。

2。实验方法

2.1。把过程

将实验进行干切削条件下数控车削。AA 6061 T6合金(有一个50毫米直径和长度300毫米)作为工件材料。这种材料的化学成分和机械性能给出了表1和2分别为(2]。

裸和涂层(PVD-TiB₂)生产的硬质合金刀具肯纳公司被用于将测试这些插入品质KC5010 K313,分别。此外,刀具的几何图形是ISO指定TCGT 16 t304hp10。刀具的进入角为90°,机械地固定在刀架STGCL 2020 k16下代码。将参数和水平表3。

2.2。表面粗糙度与切削力测量

测试样品的表面粗糙度测量使用玛鲁Perthometer M1模型试验装置。截止长度是0.8毫米,测量长度是12毫米。从测量表面粗糙度值测定在加工表面上的三个不同的点每次实验后形成的。然后,平均表面粗糙度(Ra)决心通过计算测量的平均值。图1显示了实验装置的阶段。

实际切削力Fz (Fc),外汇(Ff),加料速度和径向力(Fr),财政年度期间担任切削力组件将实验,9257式测力计测量使用基斯特勒公司和设备。加工中切削力发生样本上传到计算机通过rs - 232 c接插线和切削力的形式获得阴谋使用“DynoWare 2825型ai-2”软件。此外,刀具磨损机制和类型进行了调查广达FEG 250扫描电子显微镜(SEM)。

2.3。实验设计和优化

将测试被设计用来定义理想的切削参数使用田口L₁₈(2¹×3²)正交数组。信噪比分析是用来确定切削参数的水平最好的加工表面和切削力的最低水平。根据特征类型,三种方法用于计算S / N比率:“名义是最好的,”“更大更好,”和“更好”(7,16,17]。因为最小的Ra和Fc值要求,对应的方程给出的“小更好”的方法在方程(1)使用。

方差分析(方差分析)应用于确定每个输入的影响因子(Ct,风投,f,对Ra和Fc)。此外,线性和二次回归分析被用来开发Ra的数学预测方程和Fc。这个分析的目的是数值表达之间的关系(Ra和Fc)参数和输入输出(Ct,风投,f和一个)参数。最后,预测方程的准确性和系统已经尝试确认测试相应的可信区间(CI)。

3所示。实验结果和讨论

3.1。分析信噪比(S / N)的比例

S / N响应表是用于分析的影响参数对Fc和风湿性关节炎。表4显示了S / N比率和把测试的结果。表5显示的理想水平参数最优Ra和Fc。最大的最小信噪比Fc和Ra值指示图的控制因素的最优水平2显示了图的S / N比率计算出表面粗糙度(Ra)和切削力(Fc)。

由于切割测试,最优切削力和表面粗糙度值是0.387μ根据表78.5 m和N,5和图2。表面粗糙度最佳结果。裸了刀具的切削速度300米/分钟,0.1 mm /牧师的进给速率和深度削减1毫米。最优切削力的结果;裸了刀具的切削速度350米/分钟,进给速率为0.1毫米/牧师和削减1毫米的深度。

3.2。方差分析Ra和Fc

方差分析是用来分析Ct的影响,风险投资,f,和一个在Ra和Fc。这个分析是由95%的置信水平。表6显示了实际切削力的方差分析结果(Fc)和表面粗糙度值(Ra)。这种分析有两个重要的因素。一是F值,另一个是显著性水平(P)。为了让每个参数有意义的结果,预计值小于0.05,同时,最大的F值的参数是最具影响力的结果(7,18]。因此,最有效的影响参数对切削力和表面粗糙度的进给速率与贡献64.28%和54.9%,分别。

3.3。实验结果

表面质量被认为是对于许多应用程序而言,尺寸精度,疲劳强度、耐磨性和腐蚀行为。因此,表面粗糙度是工程材料的切削加工性能的一个重要指标。Ra图表创建根据把测试的结果执行不同的切削参数与裸矿₂涂布插入图3。

从图可以看出3,表面粗糙度值高的执行将测试2 TiB的涂层刀具比用裸露的刀具。当插入都是评价表面粗糙度、表面粗糙度值约20 - 30%更将测试执行与比不加涂层的刀具涂层刀具。在加工韧性材料,预计刀具使用有积极的倾角及其边缘锋利。还建议使用工具芯片断路器形式(19,20.]。它可以得出的结论是,这个芯片的涂层减少了深度断路器工具的几何形式,因此增加了表面粗糙度自芯片不能被轻易移除。

此外,可以看出,进给速率对表面粗糙度有负面影响。最高的表面粗糙度值测量的最高水平进给速率(0.2毫米/牧师)。另一方面,表面粗糙度值略微降低取决于切削速度的增加。这可以解释为减少芯片的趋势坚持增加切削区的温度,根据增加切削速度(21]。因此,表面粗糙度值最低的是测量为0.387μm与裸露的加工实验进行工具的切割速度350米/分钟,加料速度的0.1毫米/牧师,和深度削减1毫米。

主切削力(Fc)的价值观,这是最重要的比其他切削力组件(Ff和Fp)的能源消耗和机床动力学和设计考虑。图4显示了Fc对切削参数的变化。

当图4检查,可以看出Fc值增加而增加f(毫米/牧师)减少插入。Fc值增加35%左右的进给速率增加0.1毫米/ 0.15毫米/牧师牧师而增加47%f从0.15毫米/ 0.2毫米/牧师牧师(图5(一个))。支持这种情况下的进给速率是最有效的参数有54.9%贡献率根据方差分析的结果分析。这是与芯片去除过程中需要更多的权力由于芯片横截面积的增加与进给速率的增加22]。切削力的增加取决于进给速率和深度的增加减少平行的研究文献[23- - - - - -25]。

此外,grap检查时,看到的是Fc值随切削速度的增加而降低深度削减和饲料利率。Fc值约30 - 45%减少随着切削速度从250毫米/ 300毫米/牧师牧师而减少50 - 65%增加切削速度300米/分钟到350米/分钟。在文献中,组合优势(而)形成的趋势预计在韧性材料的加工和在许多研究据报道,随切削速度的增加,因此,切削力减少(26]。裸的画面和TiB₂涂层刀具加工后250米/分钟,300米/分钟,350米/分钟获得使用扫描电子显微镜(SEM)如图5。看图片如图5输送量大,看到发生在实验进行切削速度低,随切削速度的增加而减小。这形成刀具切削力影响表面粗糙度超过,因为材料坚持刀具引起刮而非切削加工过程中,负面影响表面粗糙度和尺寸精度的部分或组件(27]。

3.4。回归模型对Ra和足球俱乐部的发展

表面粗糙度与切削力建模使用线性和二次回归分析。(2)和(3)显示Ra的估计方程使用线性回归和二次模型,创建的分别,(4)和(5)使用线性回归显示创建的估计方程Fc和二次模型,分别。相关系数(R²)方程(2)和(3风湿性关节炎)分别为92.15%和99.63%,而相关系数(R²)方程(4)和(5Fc)是96.4%和99.91%。因此,高比率的相关系数(R²)表明,依赖和独立变量之间的关系是相当强劲。因此,线性和二次回归模型接受理想的预测Ra和Fc。此外,为Ra开发的预测方程和Fc被验证测试检查。估算值与实验结果的比较Ra和Fc给出数据6和7,分别。

3.5。验证测试

优化过程的最后一步是测试优化的有效性。在这种背景下,有必要确定置信区间最优切削参数的准确性由田口方法。首先,(6)和(7)已被使用,分别计算Fc和Ra值最优削减因子的水平。

值的平均值Fc和Ra值18实验测量的结果。因此,Fc和Ra值计算了69.292 N和0.403μm,分别。在第二步中,可信区间(CI)是计算使用方程(8)和(9)。表达式的表示方程(8)和(9)表7。对方程(10),F0.05 1 10 = 4.9646(从F测试表), 和 (表5), , , ,和 (方程(11))。

得到了46和1.607通过使用(10),分别。

在最后阶段,由于Fc和Ra确定置信区间内的限制(10)和(11),与田口方法的优化过程是成功完成在95%的显著性水平。实际值和预测值之间的偏差得到削减水平组对Fc和Ra在图8。额外的测试也在进行₁B₃C₃D₂和一个₂B₂C₁D₃水平,不包含在当前的测试系列。确认测试结果进行优化和随机水平表8。

从图可以看出8和表8,真正的和预测的值之间的偏差得到线性和二次回归模型对Fc和Ra相当小。许多研究报道,偏差应小于20%的可靠性验证试验。(28,29日]。因此,回归模型对Fc和Ra与高系数的测定(R²在置信区间)值给可靠的结果。

4所示。结论

在这项研究中,刀具涂层的影响以及切削参数对切削力和表面粗糙度将AA 6061合金实验进行了调查和统计。一些关键的实验和统计研究的结果可以列如下:(我)一般来说,观察表面粗糙度与切削速度的增加减少,但增加取决于进给速率的增加(2)刀具磨损检测,倾向于建立观察(而)形成,并确定它随切削速度增加而降低(3)最优测量切削力和表面粗糙度值0.387μm和78.5μ米的加工实验用以下参数:在(a)裸的刀具,(b)在切割速度是350米/分钟,(c)的进给速率0.1毫米/牧师,和(d)在1毫米的深度降低(iv)饲料率是最具影响力的切削力和表面粗糙度参数,分别为64.28%和54.9%(v)发达的数学模型对切削力(Fc)和表面粗糙度(Ra)与系数的确定提供可靠的结果(R²)分别为96.04%和92.15%(vi)验证实验表明,优化过程中置信区间在95%的显著性水平(七)当把AA 6061合金,我们建议考虑锋利的切割工具而不是刀具涂层,以防止芯片坚持削减插入的表面

数据可用性

使用的数据来支持本研究的发现可以从相应的要求或在本文作者。

的利益冲突

作者宣称没有利益冲突。