最小化数控铣削表面粗糙度和工具振动的操作

文摘

工具振动和表面粗糙度是两个重要的参数影响生活质量的组件和工具间接影响组件的成本。摘要切削参数对刀具振动的影响,以及表面粗糙度在端铣EN-31工具钢的调查。响应面方法(RSM)已经被用于开发数学模型预测表面光洁度,工具振动和刀具磨损与切削参数的不同组合。实验结果表明,加料速度是最主要的参数影响表面光洁度,而切削速度是影响工具振动的主要因素。数学模型的结果一致与实验调查完成验证数学模型。

1。介绍

由于其能力提高产品率加上期望的产品质量,高速加工在制造业已经得到普及。然而,更高的值用于高速加工的切削参数影响工件表面粗糙度和刀具振动。工具振动进一步降低了组件质量,降低刀具寿命。实证模型可以关联表面光洁度,工具振动,刀具磨损的加工参数对加工EN-31模具钢加工碳化钨工具在高速加工。

克莱恩et al。1]研究振动的影响,偏转,喋喋不休的工具工件系统在端铣粗糙度。哈姆丹et al。2]研究加工参数如速度、饲料和轴向深度削减的干、湿式加工在高速加工的不锈钢使用涂层硬质合金工具更好的表面光洁度。苏雷什et al。3)专注于镀锡钨硬质合金刀具加工低碳钢的开发一个表面粗糙度预测模型通过使用响应面方法(RSM)。利用遗传算法(GA)优化目标函数和RSM结果的结果进行了比较。Kumar和Thirumurugan4]介绍了田口稳健设计方法适用于优化铣削表面粗糙度的模具钢。在铣削过程中表面粗糙度的重要因素是主轴转速和工具年级,分别30.347和29.933的贡献。张,陈5)展示了一种刀具状态监测方法在端铣操作根据收集到的振动信号通过一个低成本、microcontroller-based数据采集系统。考试测试的系统一直在数控铣床上进行。实验研究和数据分析进行验证该系统。Routara et al。6]研究参数加工参数对表面质量的影响生产的数控立铣。实验对三种不同的工件材料工件材料变化的影响。发现不同的粗糙度参数的响应面模型是特定于工件材料。崔和赵7]研究了涂层硬质合金的切削性能工具的高速端面铣削符合美国钢铁协会的H13硬化钢。芯片形态、刀具寿命、刀具磨损机制和表面粗糙度进行了分析和比较不同的切削条件。发现随着切削速度的增加,芯片形态进化不同铣削条件下以不同的方式。Raju et al。8]对表面粗糙度和切削参数的综合研究报告在端铣6061铝合金在干燥和潮湿条件下高速钢和硬质合金工具。遗传算法(GA)支持的回归方程是用来确定切削参数的最佳组合通过优化过程提供较低的表面粗糙度。从遗传算法获得价值与实验值相比,发现是可靠的。Prajina [9)关注RSM多响应优化的数控立铣操作得到最大的材料去除率,最低表面粗糙度,和更少的力量。在这项工作,二次方程是切削力,表面粗糙度,加工时间考虑到主轴转速,进给速率,切割深度和浸没式角切削参数使用中心合成设计。王、张(10)研究了表面粗糙度在铝槽端铣,虽然Oktem et al。11]分析了最佳切削条件导致最低粗糙度(在端铣)RSM结合神经网络和遗传算法对铝和塑料模具零件。Rahim et al。12]开发了振动测量装置使用一个微型机电系统加速度计、设备和实验测试进行了描述和初步试验证明,发达测量单元能够传感、测量和状态监测。陈(13]研究了切削力和表面光洁度加工介质淬火钢(45 - 55 HRC)使用CBN工具和得出结论,推力是最大的三个切削力的组成部分之一。

从文献发现,加料速度等加工参数,切割速度快、切口和深度影响表面粗糙度和工具振动。的研究主要集中在确定切削力、刀具磨损,表面粗糙度的铣削过程。一些研究报告工具在加工振动降到最低。这个工作的主要目的是找出加工参数的最佳组合在高速工具钢的加工使用碳化钨工具实现低振动和表面粗糙度的工具。为此数学模型已经开发使用实验数据和开发模型是测试充分性。

2。方法

在这项工作,响应面方法(RSM)是用于开发工具振动的数学模型,表面光洁度和刀具磨损。的主要目的发展数学模型对加工的反应和他们的因素是优化加工过程。

2.1。实验设计

整整一个实验3 k因子正交阵列使用为了得到输出数据均匀分布在整个范围的输入参数。的正交数组被选中,是因为一个最小数量的实验试验需要更高效的处理大量的因素变量比其他任何传统的析因设计。三个输入因素被认为是切割速度,轴向饲料,分别和深度的降低。切削条件被考虑到手册的建议选择刀具制造商和知识的实践,努力聚集在当代文学加工Korloy [14]。所选择的三个主要参数、切削速度、轴向饲料,和深度的削减,然后编码从最低到最高的水平。

2.2。工件材料

EN-31工具钢具有良好的高温硬度和韧性涵盖广泛的工业应用,如压铸、挤压、热模锻、挤压顶头。它给高温强度和良好的耐磨性。盘EN-31钢的尺寸110毫米×100毫米×30 mm被用于这项研究。工件材料硬度35 HRC。EN-31steel的名义化学成分和材料属性表1。


C	0.90 - -1.20
锰	0.30 - -0.75
如果	0.10 - -0.35
年代	0.040
P	0.40
Cr	1.00 - -1.60

2.3。刀具

使用的刀具铣削操作的铣刀直径40毫米。的技术细节中使用的铣刀数控铣表2。图1显示工具架的组装以及刀具用于数控铣操作。在这个实验中,低廉的刀已经被使用。所有的实验都进行数控铣床的VM-10 HURCO。


项	描述

工具架	BT40
工具直径	40毫米
过剩的长度	62毫米
轴倾角	11°
插入指定	TPCN2204PDR
插入夹紧	两个
插入数	两个
插入厚度	4.76毫米
插入长度	22毫米
插入式	三角

(一)

(b)

2.3.1。表面粗糙度测量

表面粗糙度是产品质量的一个重要指标,因为它极大地影响机械零件的性能和生产成本。在铣削实验,算术平均粗糙度的测量()是由表面粗糙度测试仪测量SJ 301三丰公司。的平均值三个测量表面粗糙度作为响应值。测试人员的采样长度调整到4毫米(max)。

2.3.2。刀具磨损测量

侧面磨损的刀具测量的每个组合切削条件按照ISO标准刀具寿命测试在每个端铣操作。在机器视觉测量系统如图1 (b)和2。刀具磨损是切削时间计算。时间由机器切割材料,直到侧面磨损达到300微米的阀是衡量使用以下公式:

2.3.3。刀具振动测量

在数控铣削实验中心。低廉的高速铣刀的加工是在干燥的条件下。三轴加速度计在机器的主轴为了找出加速度振动振幅的刀具- - - - - -,- - - - - -,相互重合如图3(一个)和3 (b)。振动振幅测量通过连接机器轴的加速度计。加速度振动振幅测量饲料方向的工具。数据获取列表获得的数学模型。

(一)

(b)

3所示。数学模型的发展

在这项工作中,数学模型已经开发使用的帮助下实验结果响应面方法。建立数学模型的目的加工反应及其相关因素促进加工过程的优化。

3.1。代的模型

响应面方法(RSM)是一种数学和统计技术用于建模和分析中存在的问题这几个独立变量影响因变量或响应。常用的数学模型表示在哪里是加工反应;响应函数;,,是变量;和是误差正态分布对观察到的反应为零的意思。表面粗糙度和其他独立变量之间的关系可以表示如下: 在哪里是一个常数,,,是指数。

为了确定常数和倡导者,被执行对数变换的线性化数学模型如下: 常数和指数,,,由最小二乘的方法。一阶线性模型,由上述功能关系使用最小二乘方法,如下: 在哪里是基于一阶方程估计响应;测量表面粗糙度在对数刻度;,,,对数转换的切削速度、进给速率和深度,分别;是实验误差;和值对应的参数的估计。

一般的二阶多项式响应如下: 在哪里基于二阶估计响应方程。的参数,,,,,,,,估计。

实验进行EN-31材料面铣刀和结果,,获得了不同变量的速度(),轴向进料()和深度()。可加工性表演获得铣削过程进行了分析评估可加工性和RSM制定开发预测模型所需的性能参数范围的设计变量(15]。

分析,过程近似的反应是通过发展RSM模型方程代表模型的加工反应。

二次多项式的一般形式,给出了响应面之间的关系和过程变量在调查中,是由在哪里是常数,是线性项的系数,二次项系数,是交互项系数。方程转换为编码提供了变量()如下: 在哪里,,,加工参数的编码的变量。这些参数的初始条件从0开始,,,参数变化的间隔。,,被称为,,分别是响应函数。开发响应面模型所需的变量是由临床实验设计的观测值的集合。在分组过程中,因素编码+ 1−1水平的范围内所产生的八个关键职位;这里中点之间的低和高的各个因素。表3显示的加工参数和相应的范围级别RSM设计(表6)。


因素	水平
因素	−1	0	1

切磨速度(米/分钟)	One hundred.	140年	180年
轴向进料(毫米/牙)	0.1	0.15	0.2
削减的深度(毫米)	0.75	1。0	1.25

模型适应性是决定距离的调整与价值。表4表明近值的调整和对所有病例。RSM模型需要开发可用的反应之间的相互作用,,和加工参数。表5显示了标准的三个变量RSM模型与27个模拟运行实验开发反应和响应方程。27 RSM模型实证模型的实现,在形式的实验和结果进行观察相应响应设计模型(表5)。考虑方程(9)所需的表面粗糙度的RSM模型方程()、刀具寿命(振动)和工具(),,,的重要值解码速度,轴向饲料,减少相应的深度。


反应	价值	%	Adj。%

表面粗糙度()	0.61	60.97	40.31
刀具寿命()	5.04	90.13	84.90
工具振动()	3.36	48.95	42.29


	表面粗糙度()		刀具寿命()		工具振动()
	系数	价值	系数	价值	系数	价值

拦截	0.13	0.0262	4.31	0.0001	18.15	0.0107
	0.049	0.7350	−1.30	0.0001	1.28	0.1089
	0.30	0.0511	−0.82	0.0001	2.56	0.0035
	0.38	0.0165	−0.51	0.0002	2.39	0.0057
	−0.051	0.7762	0.44	0.0042	2.25	0.0263
	0.24	0.1920		0.9703	−0.83	0.3802
	0.45	0.0214	−0.047	0.7312		1.0000
	0.47	0.0759	−0.32	0.1028	1.06	0.4309
	−0.039	0.8760	0.13	0.4993	0.89	0.5060
	0.43	0.1006	−0.22	0.2495	−0.94	0.4801


运行命令	编码参数			表面粗糙度()			刀具寿命(最低)。			振动振幅(毫米/秒²)
运行命令				实际价值	预测价值	错误%的年龄	实际价值	预测价值	错误%的年龄	实际价值	预测价值	错误%的年龄

1	−1	−1	−1	0.85	0.89	−4.71	51.2	49.4	3.52	15	14.34	2.58
2	−1	−1	0	0.17	0.16	5.88	44.1	42.7	3.17	19	18.51	−3.95
3	−1	−1	1	0.3	0.29	3.33	34.8	36.01	−3.48	20.	20.79	−5.85
4	−1	0	−1	0.88	0.84	4.55	33.5	34.79	−3.85	13	13.76	−5.47
5	−1	0	0	0.53	0.55	−3.77	27.9	29.07	−4.19	17	17.93	3.81
6	−1	0	1	1.08	1.12	−3.70	24.6	23.35	5.08	21	20.2	0.33
7	−1	1	−1	0.69	0.71	−2.90	19.6	20.19	−3.01	15	14.95	4.40
8	−1	1	0	0.9	0.86	4.44	14.6	15.44	−5.75	20.	19.12	−1.90
9	−1	1	1	1.96	1.88	4.08	11.2	10.69	4.55	21	21.4	−1.15
10	0	−1	−1	0.29	0.28	3.45	29.3	30.6	−4.44	13	13.15	−3.00
11	0	−1	0	0.2	0.21	−5.00	24.8	25.67	−3.51	16	16.48	0.39
12	0	−1	1	0.15	0.16	−6.67	19.8	20.73	−4.70	18	17.93	1.27
13	0	0	−1	0.19	0.18	5.26	21.3	22.2	−4.23	15	14.81	4.47
14	0	0	0	0.125	0.13	−4.00	18.2	18.24	−0.22	19	18.15	2.05
15	0	0	1	0.9	0.94	−4.44	14.9	14.28	4.16	20.	19.59	−1.44
16	0	1	−1	0.39	0.41	−5.13	14.52	13.8	4.96	18	18.26	−2.81
17	0	1	0	0.37	0.39	−5.41	11.21	10.81	3.57	21	21.59	−4.73
18	0	1	1	1.59	1.65	−3.77	8.2	7.83	4.51	22	23.04	−0.43
19	1	−1	−1	0.59	0.61	−3.39	12	11.81	1.58	14	14.06	−3.50
20.	1	−1	0	0.37	0.36	2.70	9.1	8.63	5.16	16	16.56	−1.06
21	1	−1	1	0.92	0.97	−5.43	5.6	5.46	2.50	17	17.18	−5.76
22	1	0	−1	0.48	0.46	4.17	9.2	9.61	−4.46	17	17.98	−2.40
23	1	0	0	0.62	0.65	−4.84	7.1	7.41	−4.37	20.	20.48	4.14
24	1	0	1	1。8	1。7	5.56	5.1	5.21	−2.16	22	21.09	1.33
25	1	1	−1	0.23	0.22	4.35	7.6	7.42	2.37	24	23.68	3.04
26	1	1	0	0.82	0.86	−4.88	5.9	6.19	−4.92	27	26.18	−3.04
27	1	1	1	2.49	2.36	5.22	4.77	4.96	−3.98	26	26.79	2.58

3.2。分析的数学模型

为了检查响应面方法设计、方差分析(方差分析)。表7显示了回归参数的方差分析表面粗糙度的预测表面响应模型,刀具寿命和工具振动。该模型适合响应参数,见表7,2.95,26.38,和3.63表面粗糙度、刀具寿命,分别和振动振幅。的百分比分布标准95%置信上限是4.06。该模型在95%的置信界限。这是预测的价值,,在信心极限,模型被发现是重要的。

源

表面粗糙度()

刀具寿命(最低)。

振动振幅(毫米/秒²)

平方和

景深

均方

价值

平方和

景深

均方

价值

平方和

景深

均方

价值

回归

9.87

1.10

2.95

0.0262

50.54

5.62

26.38

0.0001

335.53

37.28

3.63

0.0107

0.044

0.12

0.7350

30.45

143.07

0.0001

29.39

2.86

0.1089

1.64

4.41

0.0511

12.04

56.58

0.0001

117.56

11.45

0.0035

2.63

7.07

0.0165

4.65

21.85

0.0002

102.72

10.00

0.0057

0.031

0.083

0.7762

2.33

10.94

0.0042

60.75

5.92

0.0263

0.69

1.85

0.1920

3.047 e−004

1.432 e−003

0.9703

8.33

0.81

0.3802

2.39

6.42

0.0214

0.026

0.12

0.7312

0.000

1.0000

1.33

3.57

0.0759

0.63

2.97

0.1028

6.69

0.65

0.4309

9.335 e−003

0.025

0.8760

0.10

0.48

0.4993

4.74

0.46

0.5060

1.12

3.02

0.1006

0.30

1.42

0.2495

5.35

0.52

0.4801

剩余

6.32

0.37

3.62

0.21

174.55

10.27

总

16.19

54.16

510.07

4所示。结果与讨论

数学模型是预测表面粗糙度,加速度振动振幅,相关和刀具磨损与切削速度等工艺参数,轴向进给速率和深度降低。这些工艺参数对表面粗糙度的影响,讨论了工具振动,刀具寿命。

4.1。深度和速度的影响,饲料,降低表面粗糙度

响应面图的数据4和5显示了饲料和切割速度的综合效应价值通过改变从最小到最大的深度。代表了==切削速度(CS),代表了==进给速率(FR),代表(表面粗糙度)=价值。它进一步表明,随着切削速度的增加,表面粗糙度降低,但低水平的饲料0.10毫米/牙齿表面粗糙度增加。然而,在更高的价值的饲料率0.2毫米/牙齿,第一次减少价值从100到140米/分钟的速度;然后随着速度增加而增加,从100年到180米/分钟,如图4。在图5响应面显示,切割速度和深度的综合效应降低表面粗糙度。切割速度表示1轴和深度削减表示2轴和表示在设在。响应面显示的趋势价值减少增加切削速度100米/分钟到140米/分钟增加对进一步提高切削速度从140到180米/分钟。

情节的交互图6显示减少饲料和深度的影响价值。这表明,减少饲料和深度的增加,价值增加。在切割深度最小值,也就是说,0.75毫米,进给速率增加而增加价值,也就是说,从0.10到0.2毫米/牙齿,而在深度削减最高价值,也就是说,1.25毫米,价值增加更多的进给速率增加,也就是说,从0.10到0.2 mm /牙齿。图6显示值为4.81的最大切割速度180米/分钟,0.2毫米/牙齿的饲料和1.25毫米的深度。

在铣削过程中,切割速度的影响,进给速率和深度削减的实验研究。很明显从图7切削速度()有实质性的影响振动、刀具寿命和工具。结果表明,表面粗糙度()随切削速度的增加而减小。切削速度对刀具寿命有显著的影响,随着切削速度的增加刀具寿命减少。它是还发现,工具振动由于切削速度不均匀地分布。当切削速度在100 - 140米/分钟,该工具振动增加,而它降低切削速度从140到180米/分钟。这个过程导致大幅减少刀具寿命和表面粗糙度,但这也导致减少振动的工具。在低切削速度组合边缘(而)形成和芯片骨折容易产生粗糙表面。当切削速度增加,而消失和芯片断裂减少,因此表面粗糙度减小。

4.2。深度和速度的影响,饲料,刀具寿命的减少

图8表明,刀具寿命提高了切割速度的降低从而证实了经典理论。参数的解释和RSM实际上显示了响应面。这种方法就可以用来分析和可视化的变化发生在响应通过改变输入参数。

图8结果表明,随着切削速度的增加()和饲料()从低到高值,刀具寿命降低,验证模型的工具的意义的生活和回归分析方程。图9显示速度的综合效应()和深度()生活的工具。很明显从图9随着切削速度的增加,刀具寿命减少,但刀具寿命降低低速增长的深度。

图中所示的图10进一步验证了模型,因为它显示了提要的最显著的影响()和深度()生活的工具。很明显从图10与增加的饲料,刀具寿命减少。此外,刀具寿命价值最高的陡倾角响应面中可以看到这个图。进一步分析这张图,它可以观察到,刀具寿命达到48.723分钟的最大价值。

图11描绘了饲料直接影响表面粗糙度、刀具寿命和工具振动。很明显从图11表面粗糙度的进给速率增加而增加,然后略有减少。对刀具寿命有重要影响的速度,刀具寿命增加而增加,饲料和随后减少。也见过这个工具振动与进给速率的增加也会增加。因此更好的刀具寿命优化进给速率为0.15毫米/牙齿和表面粗糙度和工具振动降低饲料是推荐的,也就是说,加料速度的0.10毫米/牙齿。随着进给速率增加,毛边的晶片的厚度也增加,从而增加力量和在加工工作。同时,生成的热量和负载被发现增加每前沿和单位长度,导致刀具磨损的增加。较低的进给速率工件伴随着提要标志和生产更多的表面粗糙度。所以在比较提要的最小值和最大值范围率,0.15毫米/牙齿被发现最佳。

4.3。速度的影响,饲料,和深度的降低振动的工具

响应面图显示振动振幅值的增加切削速度和饲料的综合效应如图12来14验证模型的重要性和理论上证明它是正确的。响应面图的数据12和13显示了合并后的饲料和切削速度对振动幅值的影响通过改变从最小到最大的深度。1代表切割速度=,2代表加料速度=,表示振动振幅值。图12表明,随着切削速度和饲料的增加,刀具振动也会增加。但是低工具振动在低速度、低饲料。如图13工具振动也随深度的增加。可以看到同样的影响通过增加削减的深度和进给速率如图14。图15显示了提要的直接影响在其他输出参数。在较低的深度,巴朗。在0.75 c,我们发现降低刀具寿命和工具振动与更好的表面光洁度。巴朗的增加。c,在1.0毫米,表面粗糙度和工具振动上升,但刀具寿命减少。进一步与减少到1.25毫米的深度增加刀具寿命和表面粗糙度增加而工具振动仍然几乎不变。

工具趋于接近工件时,工件的振动引起更被发现。渐近边界线的稳定性达到了一个重要的深度,工件的振动力量减少很多。减少刀具磨损率和保持更好的表面光洁度,削减的深度是维持在最优(即。在1.25毫米)虽然进给速率的增加提供了低切削力据丁et al。16]。

在铣削振动诱导由于中断切割操作。生成的激动人心的力量是牙齿在进入和离开工件。芯片厚度的变化会导致自激振动。切削参数的影响,:速度,:喂,:深度减少,工具振动可以理解扰动图如图16。图显示每个因素工具振动的斜率。因素有更多的斜率描绘了因素对过程的影响。明确从图16速度几乎直线表明它比其他的更重要的因素,而进给速率和深度削减对工具振动切削速度相比有更多的影响。

4.4。探索解决方案通过坡道视图

图17显示了坡道的加工参数的解释参数最优解决方案。取得最佳结果达到研究的目的,即最小化表面粗糙度和工具加工中振动。一个点在每个斜坡反映了因素设置或响应预测,解决方案。点的高度显示了流程的愿望。红色的代表组件的水平移动,但反应仍然在他们的目标,也就是说,1的愿望。

4.5。模型的验证

数学模型的过程有一个优势,我们可以实验的模型,而不是过程。总是可以模拟流程通过使用数学模型与仿真软件。结果往往是用来表示什么额外的数据将有利于完善现有的模型,使之更现实和更有用。

模型检查的有效性水平的参数,这还没有包括在实验设计中。的验证实验数据如表所示8。显然明白实际值和预测值之间的误差是4.89%也证实了模型的有效性。


样品数量	编码参数			表面粗糙度()			刀具寿命(分钟)			振动振幅(毫米/秒²)
样品数量				实际价值	预测价值	错误%的年龄	实际价值	预测价值	错误%的年龄	实际价值	预测价值	错误%的年龄

1	143年	0.1	1.25	0.183	0.18998	−3.6	18.4	19.2948	−4.63	18	17.772	1。2
2	143年	0.1	1.25	0.191	0.18998	0.56	18.8	19.2948	−2.54	17	17.772	−4.3
3	143年	0.1	1.25	0.186	0.18998	−2.09	18.6	19.2948	−3.6	18	17.772	1。2

5。结论

在目前的研究中,数控铣削的加工参数EN-31模具钢加工与碳化钨硬质合金刀具使用响应面方法进行了优化。完整的阶乘(3 k)正交阵列已经使用和27实验进行。主要对象是开发数学模型基于实验结果,获得低表面粗糙度、刀具振动。的表面粗糙度预测模型与实验测量值。最优切削参数最小表面粗糙度和工具振动分析的基础上实验结果是切割速度= 143.6 m / min,喂= 0.1毫米/牙齿,和深度的减少导致表面粗糙度0.189 = 1.25毫米和17.772工具的振动。模型检查的有效性进行符合性测试最大误差为4.3%。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

w·a·克莱恩、r . e . Devor和中情局Shareef,“在端铣表面精度的预测,”工业工程杂志》上,卷104,不。3、272 - 278年,1982页。视图:出版商的网站|谷歌学术搜索
a·哈姆丹a .公元Sarhan和m·哈姆迪“加工参数的优化方法在高速加工的不锈钢为最好的表面光洁度,使用涂层硬质合金工具”国际先进制造技术杂志》上,卷。58岁的没有。1 - 4、81 - 91年,2012页。视图:出版商的网站|谷歌学术搜索
p . v . s . Suresh p v . Rao, s g·德斯穆克”遗传算法优化的表面粗糙度预测模型,”国际机床制造杂志》上,42卷,不。6,675 - 680年,2002页。视图:出版商的网站|谷歌学术搜索
j·p·库马尔和k . Thirumurugan”,优化加工参数对铣削钛合金使用田口方法,”国际先进的工程技术杂志》上,3卷,不。2、108 - 113年,2012页。视图:谷歌学术搜索
j . z张和j·c·陈,“刀具状态监测的操作首先根据收集到的振动信号通过microcontroller-based数据采集系统”国际先进制造技术杂志》上,39卷,不。1 - 2、118 - 128年,2008页。视图:出版商的网站|谷歌学术搜索
公元前Routara、a . Bandyopadhyay和p . Sahoo”粗糙度建模和优化使用响应面方法在数控立铣:工件材料变化的影响,”国际先进制造技术杂志》上,40卷,不。11 - 12,1166 - 1180年,2009页。视图:出版商的网站|谷歌学术搜索
崔x和j .赵”在高速切削性能的涂层硬质合金工具端面铣削的AISI H13硬化钢,“国际先进制造技术杂志》上,卷71,不。9 - 12,1811 - 1824年,2014页。视图:出版商的网站|谷歌学术搜索
k . v . m·k·拉·g·r·Janardhana p . n . Kumar和v . d . p . Rao”优化数控立铣的切削表面粗糙度条件,”国际期刊的精密工程和制造业,12卷,不。3、383 - 391年,2011页。视图:出版商的网站|谷歌学术搜索
n . v . Prajina”多响应优化数控立铣使用响应面方法和期望函数,“国际工程研究和技术杂志》上》第六卷,没有。6,739 - 746年,2013页。视图:谷歌学术搜索
M.-Y。小王和H.-Y。常”,表面粗糙度的实验研究槽铣AL2014-T6结束,”国际机床制造杂志》上,44卷,不。1,51-57,2004页。视图:出版商的网站|谷歌学术搜索
h . Oktem、t . Erzurumlu和h . Kurtaran”应用程序响应面方法的切削条件优化的表面粗糙度,”材料加工技术杂志》上,卷170,不。1 - 2日,16,2005页。视图:出版商的网站|谷歌学术搜索
中情局拉希姆·m·a . Miskam o . Sidek s . a . Zaharudin和s·k·k·穆罕默德,“发展振动测量装置使用微机电系统加速度计机状态监测,“欧洲科学研究杂志》上,35卷,不。1,第158 - 150页,2009。视图:谷歌学术搜索
w·陈,“加工时切削力和表面光洁度中等硬度钢使用CBN工具,”国际机床制造杂志》上,40卷,不。3、455 - 466年,2000页。视图:出版商的网站|谷歌学术搜索
Korloy,科莱刀具20122012年,Korloy印度工具,。
d . c .蒙哥马利实验设计与分析威利,纽约,纽约,美国第五版,1998年版。
t .叮,美国,和朱x, y . Wang“实证模型和最优切削参数对切削力和表面粗糙度的硬铣AISI H13钢,“国际先进制造技术杂志》上,51卷,不。1 - 4,45 - 55,2010页。视图:出版商的网站|谷歌学术搜索

杂志上的优化

文摘