环槽车削加工工艺参数优化

王仁伟，何 玲，邵 芳

(1.贵州大学 现代制造技术教育部重点实验室，贵阳 550003；2.贵州理工学院 机械工程学院，贵阳 550003)



环槽车削加工工艺参数优化

王仁伟，何 玲，邵 芳

(1.贵州大学 现代制造技术教育部重点实验室，贵阳 550003；2.贵州理工学院 机械工程学院，贵阳 550003)

为了改善高强度环槽铆钉断颈槽车削加工过程切槽刀具磨损严重的问题，对环槽车削加工工艺参数与刀具磨损速度的关系进行了研究。运用正交试验法设计实验，得到不同工艺参数下切槽车刀前刀面的磨损速度。经过数据分析建立切槽车刀前刀面磨损速度预测数学理论模型，运用最小二乘法拟合实验数据，获得切槽车刀前刀面磨损速度与工艺参数之间的关系。考虑切削效率对加工过程的影响，运用遗传算法寻求考虑切槽车刀前刀面磨损和加工效率综合影响的全局最优参数组合，为高强度环槽铆钉断颈槽车削加工提供了理论参考。

数值计算；环槽加工；刀具磨损；最小二乘法；遗传算法

0 引言

钛及钛合金由于具有比强度高、抗腐蚀性好、耐高温等一系列突出优点，使其发展成为现代航空工业中广有前途的金属结构材料[1]。钛合金切削加工时刀具与切屑之间的接触面积小、钛合金切削加工时刀具与切屑之间的接触面积小、刀具应力大、刀具温度高，刀具磨损严重，所以钛合金切削性能差，是典型的难加工材料[2]。切槽刀有三条切削刃，工作环境封闭，排屑困难，切削热不易散发，刀具温度高和寿命低的问题就更为突出[3]。

李友生等人对钛合金Ti6Al4V高速干切削时，硬质合金刀具的磨损机理进行了研究，实验结果表明，刀具的磨损机理主要为粘结磨损、氧化磨损和扩散磨损，且由于车削过程刀具前刀面与切屑之间的摩擦，刀具前刀面温度较高，导致刀具前刀面磨损更为严重[4]。杜国臣等人对硬质合金刀具车削钛合金Ti6Al4V时，刀具寿命与工艺参数之间的关系进行了研究，实验结果表明，切削速度与刀具寿命的影响最最为显著，且切削速度与刀具寿命呈负相关[5]。Fujian Sun等人研究了切槽刀具干切削钛合金Ti6Al4V时刀具的性能，实验结果表明，断屑槽可以有效的提高切槽刀具的性能，刀具主要的失效机制是粘结磨损、剥层磨损、点蚀、溶解和扩散磨损[6]。郝传海和陈天凡等人针对切削参数优化问题进行了研究，切削参数的优化，可以为刀具的选用及实际加工中的切削参数选择提供参考，并达到降低刀具磨损、提高产品质量和生产效率的目标[7-8]。

综上所述，对环槽车削加工刀具磨损的预测模型及研究较少，所以建立刀具磨损预测模型及环槽车削加工工艺参数优化对理论研究和实际生产都具有重要意义。

1 数值模型

1.1 材料本构模型

切削过程是高温、大应变、高应变率的变化过程。Johnson—Cook模型作为一种理想的刚塑性强化模型既可以反映材料在高应变速率下应变硬化、应变速率硬化，又可以反映热软化效应。工件材料为钛合金Ti-6Al-4V，本构方程采用J-C模型，材料密度ρ=4.43g/cm3，弹性模量E=113.8GPa，泊松比μ=0.342，热导率K=7.3W/m·℃，比热容C=526J/kg·℃[9]。

工件材料的本构方程如式(1)所示[10]：

(1)

刀具材料为硬质合金YG6，材料WC含量为94%，Co含量为6%，密度ρ=11.0g/cm3，热导率为K=79W/m·℃。

1.2 刀具磨损模型

金属切削过程中，刀具与工件的作用包括机械、物理和化学作用，所以刀具的磨损机理较为复杂，当切削速度较低时，刀具磨损主要为磨粒磨损与粘结磨损，而当切削速度较高时，主要为扩散磨损和氧化磨损。环槽车削加工过程中，刀具的工作空间封闭、排屑困难、切削热不易散发，工作环境更加恶劣。Usui磨损模型是基于材料扩散的磨损模型，所以选用Usui模型计算加工进程中刀具的磨损。

Usui磨损模型如式(2)所示：

(2)

式中，p为接触面的压力，V为相对滑移速度，a，b为与材料有关的常数，取a=1e-5，b=1000。

2 数值计算

2.1 有限元模型建立

在切削加工中，钛合金工件的弹性变形远小于塑性变形，硬质合金刀具的变形很小。所以将刀具近似的设为刚体，工件设为塑性体。并且在有限元的计算当中，将弹塑性模型简化为塑性模型，可以节省大量运算时间，降低计算成本。

建立刀尖圆弧半径分别为0.20mm、0.30mm、0.40mm的三维刀具模型。刀具的前角均为0°，后角为5°的3种刀具。将刀具划分为32000个四面体网格单元。工件材料简化为长为12mm、宽为4mm、高为2mm的长方体模型。在切削仿真模拟中，工件静止，刀具按照切削速度相对工件运动。有限元切削模型如图1所示。

图1 切削有限元模型

记录在不同的切削工艺及刀具参数下，刀具切削工件1000步时，刀具的磨损状况。通过比较刀具磨损量在不同刀具参数下的变化，获得刀具磨损深度随刀具参数变化的规律。

2.2 正交实验设计

环槽车削加工过程中的工艺参数为切削速度v和进给量f，但是刀尖圆弧半径R会影响刀具的应力分布情况。为了研究刀具的磨损情况与工艺参数之间的关系，本次实验设有刀尖半径R、切削速度v、进给量f，每个因素分别设定三个水平。刀尖半径R取值为0.2mm、0.3mm、0.4mm，切削速度v取值为40m·min-1、60m·min-1、80m·min-1，进给量f取值为0.1mm·r-1、0.2mm·r-1、0.3mm·r-1[11]。选择正交表L9(33)进行模拟切削实验，记录实验结果如表1所示。并进行方差分析，如表2所示。

表1 各工艺参数下刀具磨损速度

表2 方差分析

结果表明，切削速度对刀具前刀面的磨损速度的影响是高度显著的，进给量对刀具前刀面的磨损速度的影响是显著的，刀尖半径对刀具前刀面磨损速度的影响并不显著。所以在本文中仅研究刀尖半径为0.3mm时，工艺参数对刀具磨损速度的影响，并补充六组实验，实验结果如表3所示。部分工艺参数下的刀具磨损速率如图2所示。

表3 补充实验数据

图2 磨损速率

2.3 参数拟合

经过对切削速度分别为40m/min、60m/min、80m/min时，进给量分别为0.1mm/r、0.2mm/r、0.3mm/r时，9种不同工艺参数下切槽车刀前刀面磨损速度进行分析，建立刀具前刀面磨损速度预测数学理论模型如式(3)所示:

w=Cvafb

(3)

式中，C为磨损修正系数，v为切削速度，f为进给量，a，b均为系数常量，由实验测定。

运用实验数据，利用最小二乘法辨识切槽车刀前刀面磨损速度预测模型的参数。把预测模型左右取自然对数，结果见下式：

Φ=[1 lnv1 lnf1;1 lnv2 lnf2;……;l lnvNlnfN]

lnw=-1.127+1.0186lnv+0.5037lnf

选用多重可决系数R2作为多元线性回归方程拟合程度检验的标准，多重可决系数R2表示在不同数据点拟合过程中，回归平方和所占的比例，R2值越大，拟合效果越好，变量之间的关系越密切。

其中，

经过计算得R2=60.7%。

进行变换，得到切槽车刀前刀面磨损速度与工艺参数之间的关系式：

w=0.324v1.0186f0.5037

3 优化计算

3.1 切削工艺参数优化数学模型

环槽切削加工中，切削用量的最优化目标体现在保证工件质量和加工效率前提下，最大程度降低刀具的磨损。为了减轻优化的约束条件，在设计建立刀具磨损速度时根据切削用量手册，选择合适的切削速度范围和进给量范围，从而确定设计变量的取值范围，分别为：

40≤v≤80 0.1≤f≤0.3

前刀面磨损速度的计算：

w=Cvafb

切削效率的计算：

P=vf

P为加工效率(mm2/s)，v为切削速度(m/s)，f为进给量(mm/r)。

3.2 优化问题的求解

遗传算法是直接对编码的字符串进行的操作，所以要想对实际问题进行优化，首先要将待优化变量转化为适于遗传操作的二进制字符串[12]。该字符串包含的信息有切削速度和进给量，字符串的长度与编码精度是相互影响的，只需要定义其中一个值，另一个值也被间接定义。v的取值范围是40～80m·min-1，f的取值范围是0.1～0.3mm·r-1，设置20位二进制字符串表示切削速度与进给量的取值，每一个变量10位二进制字符串。这个包含工艺参数信息的字符串就是遗传算法中的染色体。

在遗传算法中，适应度函数是评价染色体优劣的标准。在切削用量优化是，利用搜索空间限定法把约束问题转化为无约束的极值问题。切削速度与进给量分别为：

v=40.0×temp1/1023.0+40.0

f=0.2×temp2/1023.0+0.1

环槽车削加工工艺参数优化属于多目标优化问题，采用加权求和法将多目标优化问题转化为单目标优化问题，运用遗传算法进行全局搜索，寻求最优解。

ω1，ω2根据生产中关注的重点适当取值，此处分别为ω1=1.0,ω2=-1.2。

3.3 优化结果

利用计算机对目标函数：

在解空间内进行求解，适应度函数进化进程如图3所示，最后寻求最优解为f(X)max=5.18，v=62m/min，f=0.258mm/r。与未优化的数据f(X)=4.71对比，提高了9%。

图3 工艺参数优化适应度函数进化进程

4 结论分析

(1)对高强度环槽铆钉车削加工过程中，切槽车刀的磨损问题进行了研究，得到了切槽车刀前刀面磨损速度与切削速度与进给量的关系w=Cvafb。并利用最小二乘法拟合了刀具前刀面磨损速度切削速度和进给量之间的函数关系，测定C=0.324，a=1.0186，b=0.5037；

(2)对高强度环槽铆钉车削加工过程中，加工效率问题进行了研究，用单位时间的金属切削面积表示切削效率的大小， P=vf；

[1] 张利军,王幸运,郭启义,等. 钛合金材料在我国航空紧固件中的应用[J]. 航空制造技术,2013(16):129-133.

[2] 陈五一,袁跃峰. 钛合金切削加工技术研究进展[J]. 航空制造技术,2010(15):26-30.

[3] 刘志林,严宏志. 有限元仿真预测高温合金切槽刀具寿命的初步探讨[J]. 硬质合金,2014(1):37-43.

[4] 李友生,邓建新,张辉,等. 高速车削钛合金的硬质合金刀具磨损机理研究[J]. 摩擦学学报,2008,28(5):443-447.

[5] 杜国臣.硬质合金刀具车削Ti6Al4V钛合金试验研究[J].组合机床与自动化加工技术,2013(5):36-38.

[6] Fujian Sun, Shengguan Qu, Yuxiang Pan. Machining performance of a grooved tool in dry machining Ti-6Al-4V[J]. Int J Adv Manuf Techol,2014,73:613-622.

[7] 郝传海,刘战强,任小平,等. 基于MATLAB Web Server和ASP.NET技术远程切削参数优化方法[J]. 机械设计与制造,2011(12):67-69.

[8] 陈天凡,戴飞铭. ADC12铝合金高速切削参数优化分析[J]. 机械设计与制造,2015(2):225-228.

[9] 邵芳. 难加工材料切削刀具磨损的热力学特性研究[D].济南:山东大学,2010.

[10] J Sun, Y B Guo. Material flow stress and failure in multiscale machining titanium alloy Ti-6Al-4V[J]. Int J Adv Manuf Techol,2009,41:651-659.

[11] 艾兴，肖诗纲.切削用量手册[M].北京:机械工业出版社,1985.

[12] 卢泽生,王明海. 基于遗传算法的超精密切削表面粗糙度预测模型参数辨识及切削用量优化[J]. 机械工程学报,2005,41(11):162-166.

(编辑 李秀敏)

Optimization of Process Parameters when Machining Ring Groove

WANG Ren-wei1, HE Ling1, SHAO Fang2

(1.Key Laboratory of Advanced Manufacturing Technology, Ministry of Education,Guizhou University, Guiyang 550003, China;2.School of Mechanical Engineering, Guizhou Institute of Technology ,Guiyang 550003, China)

To improve the wear of grooving tool when machining broken neck trough in high strength ring groove rivet, the paper studied the effect of the process parameters on tool wear rate. Designed experimental scheme by orthogonal experiment method, get the tool wear rate in different process parameters. Established mathematical theory model of tool wear rate prediction after data analysis, acquired the relationship between the wear rate and process parameters by fitting experimental data of using the least square method. considered the influence of the cutting efficiency of machining process, and search the process parameters at the lowest wear rate within the scope of the process parameters. Provided a theoretical reference for machining broken neck trough in the high strength ring groove rivet.

numerical calculation; ring groove machining; tool wear; least square method; genetic algorithm

1001-2265(2016)11-0112-03

10.13462/j.cnki.mmtamt.2016.11.030

2016-01-18

国家自然科学基金项目(51465009)；贵州省科学技术基金项目(黔科合J字[2014]2085号)；贵州省教育厅重大科技专项(黔教合重大专项字[2014]035号)；贵州大学研究生创新基金资助(研理工2016024);面向智能装备领域的“技术众筹”研究生创新基地(贵大研CXJD[2015]03)

王仁伟(1992—)，男，黑龙江齐齐哈尔人，贵州大学硕士研究生，研究方向为特色装备技术，(E-mail) 82964332@qq.com;通讯作者：邵芳(1970—)，女，山东滨州人，贵州理工学院教授，博士，研究方向为数控刀具设计与材料研发，(E-mail)784061737@qq.com。

TH162;TG712

A