工程陶瓷内圆磨削表面粗糙度研究*

闫海鹏，吴玉厚,b，王 贺,b

(沈阳建筑大学 a.机械工程学院；b.高档石材数控加工装备与技术国家地方联合工程实验室，沈阳 110168)

0 引言

工程陶瓷具有在高温下强度高、硬度大、耐腐蚀、耐磨损等诸多优点，是航空技术、工业设备等领域中的重要材料[1-2]。工程陶瓷日益受到广泛关注，对其加工表面质量要求也越来越高，其一般采用磨削方法加工，但由于其硬脆性，加工过程中容易出现裂纹、崩碎等现象[3-4]。表面粗糙度是表征加工表面质量好坏的度量方法之一，而影响表面粗糙度的因素较多[5-6]，如磨削参数、机床刚度、磨削温度等。吴玉厚等[7]分析了砂轮线速度、径向进给速度和轴向振荡速度对氮化硅陶瓷材料表面粗糙度的影响，但并没有研究其他因素的影响；YU等[8]研究了磨粒叶序排布与磨削表面粗糙度关系，得到叶序系数越大表面粗糙度也越大；郭力等[9]介绍了磨削参数与磨削温度的关系以及它们对加工表面质量的影响；程军等[10-11]讨论了微磨削表面质量的影响因素，并建立了硬脆材料延性域、脆性域及复合域临界条件；此外，还有学者研究了砂轮振动对表面粗糙度、表面形貌及损伤的影响[12-13]。目前，很少有学者同时研究更多因素对表面粗糙度的影响。而对于一些预测表面粗糙度的方法，刘坚等[14]通过图像质量算法实现了磨削表面粗糙度的非接触测量方式预测；王海涛等[15]利用神经网络对磨削加工表面粗糙度进行预测，获得了较好的预测效果。

在实际加工中，砂轮磨粒大小也是影响加工表面粗糙度的一个重要因素，而在以往的研究中，鲜有报道结合砂轮粒度研究磨削参数对工程陶瓷内圆磨削表面粗糙度的影响。本文通过进行氮化硅陶瓷内圆磨削正交试验，根据试验结果结合理论分析砂轮线速度、工件线速度、磨削深度对加工表面粗糙度的影响规律，并在此基础上进一步研究了砂轮粒度单一因素对磨削表面粗糙度的影响，更加准确地建立了氮化硅陶瓷内圆磨削表面粗糙度经验公式预测模型，为实际加工合理选择磨削参数提供了一定参考。

1 内圆磨削正交试验

1.1 试验材料及设备

如图1所示，本文试验机床为高精度MK2710数控内外圆复合磨床；砂轮为120#的金属结合剂金刚石砂轮，其外径外55mm，厚度为3mm；磨削工件为氮化硅陶瓷套圈，其内径为65mm，HRC硬度为80Ga。磨削过程中使用的冷却液为1:20乳化油。

(a) MK2710磨床 (b) 磨削试验 图1 试验机床与磨削示意

1.2 试验方案

为了研究磨削参数对氮化硅陶瓷套圈内圆磨削表面粗糙度的影响规律，本文采用正交试验方案来进行氮化硅陶瓷内圆磨削试验。试验为3个因素(砂轮线速度vs、工件线速度vw和磨削深度ap)，各因素选取3个水平，共进行9组试验，正交试验表如表1所示。

表1 正交试验表

1.3 试验结果

采用如图2所示的Taylor Hobson粗糙度测量仪测量加工表面的粗糙度值，测量结果如表1所示。

图2 粗糙度测量仪

2 试验结果分析

由试验结果可知，本试验获得了表面粗糙度从0.3653μm～0.5424μm的一系列磨削加工表面。进一步分析正交试验结果，得到氮化硅陶瓷内圆磨削加工表面粗糙度与砂轮线速度、工件线速度以及磨削深度的关系如图3所示。

由图3可知，表面粗糙度随砂轮线速度的提高而逐渐降低，砂轮线速度由17m/s提高到51m/s过程中，表面粗糙度从0.4965μm下降至0.3881μm，降低了21.83%；而随着工件线速度的提高，表面粗糙度不断增大，工件线速度从1200mm/min升高至12000mm/min过程中，表面粗糙度由0.4063μm增大到0.4801μm，增加了18.16%；磨削深度由4μm增大到20μm过程中，表面粗糙度由0.4391μm先是稍有降低，在磨削深度为12μm时，表面粗糙度降至0.4316μm，随后又呈上升趋势，最后增至0.4424μm，从数据上看，磨削深度的改变对表面粗糙度的影响不是很大，仅升高了0.75%。

(a) 砂轮线速度对表面粗糙度的影响

(b) 工件线速度对表面粗糙度的影响

(c) 磨削深度对表面粗糙度的影响图3 磨削参数对表面粗糙度的影响

砂轮线速度的提高，增加了单位时间内磨粒切刃的切削次数，即减少磨粒的单次切削时间，从而减小两相邻切刃切除材料后在加工表面留下凸起的高度，且有助于磨削热量的扩撒，所以会降低表面粗糙度。增高工件线速度与提高砂轮线速度相反，将使两相邻切削刃之间切除的材料增多，且在加工表面留下的凸起升高，从而导致表面粗糙度增大。从理论上分析，磨削深度的增加将使同时参与切削的磨粒切削刃增多，导致磨削力增大，切削温度升高，以至于降低加工表面质量。但由试验结果来看，虽然整体上表面粗糙度随磨削深度的增大而增大，但磨削深度的改变对表面粗糙度的影响并不大。这是因为在实际加工过程中，磨削用量是缓慢进给到最终磨削深度的，而并非是直接以磨削深度进行加工。

依据试验结果得到第7组试验获得的加工表面粗糙度最小，为0.3635μm。但综上分析，在本试验参数条件下，当砂轮线速度vs=51m/s，工件线速度vw=1200mm/min，磨削深度ap=4μm时，理论上可获得质量更好的加工表面。

3 砂轮粒度对表面粗糙度的影响

为进一步分析磨削氮化硅陶瓷加工表面粗糙度的影响因素，在正交试验基础上，进行了改变砂轮磨粒粒度号M的单因素试验。试验参数及表面粗糙度测量结果如表2所示。

表2 砂轮粒度单一因素试验

图4为根据表2试验结果绘制的砂轮粒度对表面粗糙度的影响关系图。从实验结果可知，表面粗糙度随砂轮粒度号的增大而呈减小趋势。由于砂轮粒度号越大，磨粒的粒径尺寸越小，在砂轮表面单位面积上的磨粒个数越多，磨粒的出刃高度降低，同时，在其他条件不变的情况下，实际参加切削的磨粒数增多。因此，砂轮粒度号越大，加工表面切痕间距越小，划痕越浅，从而降低了表面粗糙度，提高了加工表面质量。此外，同时参与切削的磨粒数越多，单个磨粒承受的磨削力就会越小，也有助于提高加工表面质量。

进一步分析，表2中当采用与正交试验相同的砂轮粒度，即M为120#时，在砂轮线速度vs=51m/s、工件线速度vw=1200mm/min、磨削深度ap=4μm条件下得到的表面粗糙度为0.3582μm，小于正交试验获得的表面粗糙度，这也验证了第2小节的综合分析结果。

图4 砂轮粒度对表面粗糙度的影响

4 表面粗糙度预测模型

4.1 正交试验经验预测模型

为了更好地分析磨削参数对加工表面粗糙度的影响规律，本文根据经验公式并结合正交试验结果建立氮化硅陶瓷内圆磨削的表面粗糙度预测模型。模型的因变量为砂轮线速度、工件线速度与磨削深度这3个磨削参数，具体公式形式如式(1)所示。

(1)

式中，k为机床与砂轮振动、磨削温度、加工条件等综合影响系数，b1、b2、b3分别是各磨削参数的指数，其值大小反应了各磨削参数对表面粗糙度的影响程度。

为了便于对经验公式各项系数进行估计，将式(1)作线性化处理，并利用最小二乘法对参数估计，得到表面粗糙的经验公式为：

(2)

采用F检验方法对式(2)进行显著性检验，得到表面粗糙度经验模型拥有很高的显著性。式(2)中砂轮线速度的指数为负，且其绝对值最大，故砂轮线速度的改变对表面粗糙度的影响最大，其增大将降低表面粗糙度。工件线速度对表面粗糙度的影响较小，提高工件线速度导致表面粗糙度增加。磨削深度的指数最小，虽然增大磨削深度使表面粗糙度整体呈增加趋势，但表面粗糙度变化很小。这与图3的分析结果相一致。

4.2 考虑砂轮粒度的表面粗糙度模型

为了便于分析，这里将砂轮粒度号转换为磨粒直径来进行计算。采用基于控制筛孔尺寸的磨粒粒径计算公式如式(3)所示。

da=28·M-1.1

(3)

式中，M为砂轮粒度号。经计算得到砂轮粒度号与磨粒粒径的对应关系如表3所示。

表3 粒度号与粒径的关系

在式(2)的基础上，采用与其相同的计算方法，得到同时考虑砂轮磨粒粒径、砂轮线速度、工件线速度与磨削深度的表面粗糙度经验预测模型如式(4)所示。

(4)

经检验式(4)有较高的显著性。从式(4)可以看出，表面粗糙度随磨粒粒径的增大而增大，这与图4的分析结果一致。由式(4)分析，影响表面粗糙度变化大小的顺序为砂轮线速度、砂轮粒度、工件线速度、磨削深度。

5 预测值与试验结果比较

为了进一步分析验证表面粗糙度经验预测模型的预测能力及效果，这里将试验测量值与预测值进行比较，结果见表4与图5。其中表2试验序号按顺序排在正交试验序号之后。

表4 表面粗糙度预测值与测量值

图5 表面粗糙度预测值与试验测量值比较

由表4可知，式(2)表面粗糙度预测值的相对误差在0.76%～4.98%之间，最大相对误差不超过5%；式(4)表面粗糙度预测值的相对误差在0.36%～10.23%之间，仅第五组超过了10%。因此，表明式(2)与式(4)均有较高的预测精度与较强的预测能力。而式(4)考虑了更多的影响因素，具有比式(2)更可靠的预测结果。从图5中亦能看到本文氮化硅陶瓷内圆磨削表面粗糙度的经验公式预测模型具有良好的预测效果。因此本文表面粗糙度经验公式预测模型可为分析实际磨削氮化硅陶瓷加工表面质量提供了一定的理论参考。

6 结论

本文进行了氮化硅陶瓷内圆磨削正交试验，依据试验结果分析了砂轮线速度、工件线速度与磨削深度对氮化硅陶瓷内圆磨削表面粗糙度的影响规律，在此基础上进行砂轮粒度单一因素试验，研究了砂轮粒度对表面粗糙度的影响，并建立了表面粗糙度的经验公式预测模型，得到如下结论：

(1)砂轮线速度是影响氮化硅陶瓷内圆磨削表面粗糙度最大的因素，砂轮粒度的影响作用次之，工件线速度的影响效果较小，磨削深度引起的改变最小。选用粒度号较大的砂轮、提高砂轮线速度与减小工件线速度都能够降低表面粗糙度，而磨削深度的增加整体上使表面粗糙度呈变大趋势，但改变效果不明显。

(2)通过正交试验分析可知，当使用120#粒度砂轮磨削时，在砂轮线速度vs=51m/s，工件线速度vw=1200mm/min，磨削深度ap=4μm情况下，理论上可使加工表面有更低的表面粗糙度，更好的表面质量，并利用砂轮粒度单一因素试验对其进行了验证。

(3)经验公式预测模型具有较高的预测效果，本文中考虑砂轮粒度、砂轮线速度、工件线速度和磨削深度对表面粗糙度影响的预测模型的最大相对误差为10.23%，能够很好地根据磨削参数在加工前提前预测加工表面粗糙度，为实际加工合理选择磨削参数提供了试验依据和参考。

[参考文献]

[1] 林滨,常志新,张彦斌,等. 工程陶瓷材料磨削表面的损伤表征方法[J]. 天津大学学报(自然科学与工程技术版),2016,49(7):681-686.

[2] 田欣利,王健全,郭昉,等. 一种基于表面图像灰度的工程陶瓷粗糙度研究[J]. 机械科学与技术,2012,31(5):801-805,809.

[3] 龚琪,沈景凤,谢建林. 工程陶瓷材料的加工技术及应用进展研究[J]. 人工晶体学报,2016,45(7):1898-1905.

[4] 雷蕾,田欣利,王龙,等. 工程陶瓷的机械加工技术研究进展[J]. 陶瓷学报,2016,37(5):460-464.

[5] 尹德臻. 影响磨削表面质量的因素及改进措施的探讨[J]. 现代制造技术与装备,2012(3):27-29.

[6] 潘秀梅. 影响工件表面质量的因素及改进方法[J]. 农业科技与装备,2014(2):73-74,76.

[7] 吴玉厚,朱正杰,王贺.影响氮化硅陶瓷内圆磨削加工表面形貌分析[J]. 沈阳建筑大学学报(自然科学版),2014,30(2):312-317.

[8] YuH Y, Wang J, LuY S. Simulation of grinding surface roughnessusing the grinding wheel with an abrasive phyllotactic pattern[J]. The International Journal of AdvancedManufacturing Technology,2016,84(5):861-871.

[9] 郭力,李波,盛晓敏,等. 工程陶瓷磨削温度研究的进展[J]. 中国机械工程,2007,18(19):2388-2393.

[10] 程军,巩亚东,武治政,等. 硬脆材料微磨削表面形成机理试验研究[J]. 机械工程学报,2012,48(21):190-198.

[11] 程军,巩亚东,阎旭强,等. 硬脆材料微磨削延性域复合临界条件建模及试验研究[J]. 机械工程学报, 2013,49(23) :191-198.

[12] 毕果,郭隐彪,郑茂江. 砂轮磨削振动对工件表面形貌特征的影响研究[J]. 机械科学与技术,2013,32(8):1118-1123.

[13] Chen J B, Fang Q H, Li P. Effect of grinding wheel spindle vibration on surface roughness and subsurface damage in brittle material grinding[J]. International Journal of Machine Tools and Manufacture, 2015, 91:12-23.

[14] 刘坚,路恩会,易怀安,等. 基于图像质量的磨削表面粗糙度检测[J]. 电子测量与仪器学报,2016,30(3):374-381.

[15] 王海涛,刘伟强,杨建国. 基于RBF神经网络的磨削表面粗糙度预测模型[J]. 机床与液压,2014,42(3):107-111.