切削参数对树脂聚酰胺-66材料的切削性能影响＊

张继林 沈建成 贾海深 梁泽芬 张得福

（①兰州工业学院甘肃省精密加工技术及装备工程研究中心，甘肃 兰州 730050；②兰州工业学院绿色切削加工技术及应用甘肃省高校重点实验室，甘肃 兰州 730050；③兰州工业学院，甘肃 兰州 730050）

随着科学技术和社会的发展，工程塑料具有一些优于金属材料的特性。聚酰胺-66是一种典型的热塑性树脂，其密度低、强度高、耐腐蚀、耐磨性和韧性好等优异特点，广泛应用在机械附件、针织、电力电子等工程领域[1−2]。聚酰胺-66轴承、齿轮等零件一般用直接成型，但是为了保证其质量精度必须经过切削加工。在切削热塑性树脂时，切削热使工件具有一定的塑性，形成带状的切屑，切削过程与切削塑性金属有点类似，但是切削机理与金属大不相同，那么切削参数的选择也有较大区别[3−5]。

目前，国内外学者对工程塑料有一些研究。王胜[6]采用UG软件对成形塑料尼龙的高速钢车刀进行建模，并设计出特定形状的高速钢车刀。凡宁[7]等人采用有限元方法计算了不同前角下尼龙66工件和切屑的切削温度随时间的变化，表明刀具前角对工件切削温度影响很大。Paiman S[8]等人基于正交阵列实验设计方法，对尼龙66进行切削力的影响研究，表明切削刃角、夹角和刀尖半径对切削力影响程度降低。Bandit S[9]等人基于切屑类型研究车削条件对尼龙切削力和表面粗糙度的影响。切削参数及其交互作用对聚酰胺-66切削性能的影响复杂，需要利用数学统计工具才能够揭示切削参数之间的影响规律。

响应面法（RSM）是基于实验设计、模型建立和数据分析揭示影响因素之间的交互作用，能够弥补仅单因素对试验的影响，进而对实验条件寻优的建模方法，能够获得精度高、预测性好的非线性数学模型，其中BBD（box-benhnken design）是采用多元方程拟合因素和响应值之间的函数关系，具有实验次数少、回归方程精度高等特点[10−14]。同时金刚石车刀切削加工中不粘刀，具有良好的综合性能。笔者基于刀具-工件-机床的切削系统，采用单因素和响应面法分别分析聚酰胺-66材料在车削过程中的切削力、切削温度以及粗糙度的变化，探讨车削加工切削参数对聚酰胺-66材料的影响规律，为后续实际加工提供理论支持。

1 试验部分

1.1 试验材料及装置

采用熔点150～250 ℃、相对密度1.05～1.15的热塑性树脂聚酰胺-66。试验用机床为沈阳机床股份有限公司生产的CAK5085si数控车床，主电机功率7.5 kW，如图1所示。刀具采用刀尖为金刚石的自制车刀，其前角γ0=20°，后角α0=15°，刃倾角λs=0，刀尖圆弧半径为0.6 mm，如图2所示。采用日本三丰便携式表面粗糙度测量仪SJ210，如图3所示。采用瑞士奇石乐公司（Kistler）生产的Kistler 9257B三向测力仪系统，如图4所示。采用浙江大立科技股份有限公司生产的DM63-37在线测温红外热像仪，如图5所示。

图1 CAK5085si数控车床

图2 刀具

图3 粗糙度测量仪

图4 Kistler测力系统

图5 大立DM63-37 红外温度探测器

1.2 试验方法

选择对切削力（Y1）、切削温度（Y2）和粗糙度（Y3）具有显著影响的3个因素：切削速度v（X1）、进给量f（X2）和背吃刀量ap（X3），采用单因素试验法设计方案及结果见表1。使用Design-expert软件，采用三因素三水平的中心组合设计方法（BBD），切削试验因子与水平见表2。搭建试验平台进行试验，并记录试验结果。将稳定切削段测得的3项切削力分别取平均值，再计算合力F，同时测得的切削温度和粗糙度也取平均值，分别分析单因素和响应面法下切削参数对切削性能的影响。

表1 单因素试验设计方案及实验结果

表2 Box-Benhnken试验设计的因素与水平

2 结果与讨论

2.1 单因素分析切削参数对切削性能的影响

图6～8是根据表1试验结果获得的切削参数与切削力、切削温度和粗糙度直观分析图。由此可以看出切削参数对切削力、切削温度和粗糙度的影响程度及变化趋势。

由图6可知，随着切削速度的增加，切削力逐渐降低，当切削速度从80 m/min增加到200 m/min时，切削力约为原来的0.76倍，切削速度在110～170 m/min范围内切削力变化相对平缓，切削速度影响相对较小；随着进给量的增加，切削力逐渐增加，当进给量从0.10 mm/r增加到0.30 mm/r时，切削力约为原来2.16倍，这主要是由于进给量增加，切削层公称面积AD增加，切削功增加，切削力相应增大；随着背吃刀量的增加切削力增加，当背吃刀量从2.0 mm增加到4.0 mm时，切削力约为原来的1.93倍，这主要是背吃刀量增加，切削层公称面积AD增加，随之切削力增加。

图6 切削参数与切削力之间的关系

由图7可知，随着切削速度的增加，切削温度逐渐增加，当切削速度从80 m/min增加到200 m/min时，切削温度约为原来的1.48倍，虽然切削力降低了，但是刀具后刀面与已加工表面之间摩擦加剧，导致切削温度增加；随着进给量的增加，切削温度逐渐增加，当进给量从0.10 mm/r增加到0.30 mm/r时，切削温度约为原来1.41倍；随着背吃刀量的增加切削温度增加，当背吃刀量从2.0 mm增加到4.0 mm时，切削温度约为原来的1.38倍。进给量和背吃刀量的增加，使切削层的面积增加，切削温度增加。

图7 切削参数与切削温度之间的关系

由图8可知，随着切削速度、进给量和背吃刀量的增加，粗糙度都逐渐增加，当切削速度从80 m/min增加到200 m/min时，粗糙度约为原来的2.14倍；当进给量从0.10 mm/r增加到0.30 mm/r时，粗糙度约为原来2.21倍；背吃刀量从2.0 mm增加到4.0 mm时，粗糙度约为原来的1.76倍。这是切削过程中切削力和切削热共同作用的结果。

图8 切削参数与粗糙度之间的关系

综上所述，当切削速度为140 m/min、进给量为0.10 mm、背吃刀量为3.0 mm时，切削力、切削温度和粗糙度分别为53.743 N、147.9 ℃和0.820 μm，此时切削力最小；当切削速度为80 m/min、进给量为0.20 mm及背吃刀量为3.0 mm时，切削力、切削温度和粗糙度分别为111.043 N、144.2 ℃及0.803 μm，此时切削温度最低；当切削速度为140 m/min、进给量为0.20 mm及背吃刀量为2.0 mm时，切削力、切削温度和粗糙度分别为56.963 N、155.2 ℃及0.752 μm，此时粗糙度最小。当切削力最小和切削温度最低时，背吃刀量都是0.3 mm；当切削力最小和粗糙度最小时，切削速度都是140 m/min；当切削温度最低和粗糙度最小时，进给量都是0.2 mm。同时依据相关文献资料[4,15]，响应面法采用表2的试验方案。

2.2 响应面法分析切削参数对切削性能的影响

Box-Benhnken试验设计及试验结果见表3，采用二次回归模型进行拟合[15]，公式如下。

表3 Box-Benhnken设计及实验结果

式中：Yi为响应值；xi、xj为设计变量；a0为常数；ai、aii和aij为回归系数；k为设计变量个数。

采用Design-Expert软件根据式（1）对试验数据进行二次回归分析，分别获得切削力、切削温度和粗糙度的非线性二次回归模型，即式（2）～（4）。对上述回归模型进行方差分析和显著性检验，结果见表4～6。方差分析结果中的F值和P值分别为因素的显著性与模型的可靠性和结果可信程度的递减指标，它们之间以一定的统计学原理相关联[16]，F值越大、P值越小说明二次回归模型越可靠，R2值越大说明模型的拟合度越高[17−18]。

表4 切削力—响应面模型方差分析结果

对切削力模型（Y1）方差分析见表4所示，模型的F值为69.49，对应的P值为<0.000 1（P<0.05），且失拟项P=0.070 8（P>0.05），表明切削力的二次回归模型具有较高可靠度。其中，一次项X2（P<0.000 1）和X3（P<0.000 1）对切削力影响极显著；二次项（P=0.000 9）和（P=0.002 9）对切削力影响显著；交互项X1X3（P=0.217 3）和X2X3（P=0.699）对切削力影响不显著；确定系数R2=0.988 9（>0.8），表明该模型的预测值与试验值之间的相关性达98.89%，模型拟合度较高（见图9）。因此，该模型可对影响切削力的最佳切削参数进行预测。

图9 切削力预测值与试验值对比

对切削温度模型（Y2）方差分析见表5所示，模型的F值为85.16，对应的P值为小于0.000 1（P<0.05），且失拟项P=0.250 5（P>0.05），表明切削温度的二次回归模型具有较高可靠度。其中，一次项X1、X2和X3的P值都小于0.001，它们都对切削温度影响极显著；二次项（P=0.001）、（P<0.000 1）和（P=0.000 7）的P值都小于0.05，它们也都对切削温度影响显著；交互项X1X2（P=0.004 7）对切削温度影响显著；确定系数R2=0.990 9（>0.8），表明该模型的预测值与试验值之间的相关性达99.09%，模型拟合度较高（见图10）。因此，该模型可对影响切削温度的最佳切削参数进行预测。

表5 切削温度—响应面模型方差分析结果

图10 切削温度预测值与试验值对比

对粗糙度模型（Y3）方差分析见表6所示，模型的F值为18.68，对应的P值为0.000 4（P<0.05），且失拟项P=0.091 8（P>0.05），表明粗糙度的二次回归模型具有较高可靠度。其中，一次项X1（P<0.000 1）、X2（P=0.001 4）和X3（P=0.000 7）都对粗糙度影响极显著；二次项（P=0.211 7）和（P=0.321 2）对粗糙度影响不显著；交互项X2X3（P=0.020 2）对粗糙度影响显著；确定系数R2=0.960 0（>0.8），表明该模型的预测值与试验值之间的相关性达96.00%，模型拟合度高（见图11）。因此，该模型可对影响粗糙度的最佳切削参数进行预测。

表6 粗糙度—响应面模型方差分析结果

图11 粗糙度预测值与试验值对比

2.2.1 切削参数对切削力的影响

图12所示为切削力与切削参数的3D响应曲面。从图12a可知，进给量由0.30 mm降为0.10 mm过程中，切削速度越大，切削力越小；当进给量由小变大时，切削力随着切削速度的增加而减小。从图12b可知，背吃刀量由4 mm降为2 mm过程中，切削速度越大，切削力越小；当背吃刀量由小变大时，切削力随着切削速度的增加而减小。从图12c可知，背吃刀量由4 mm降为2 mm过程中，进给量越大，切削力越大；当背吃刀量由小变大时，切削力随着进给量的增加而增大。

图12 切削力与切削参数的3D响应面

2.2.2 切削参数对切削温度的影响

图13所示为切削温度与切削参数的3D响应曲面。从图13a可知，当固定背吃刀量时，随着切削速度和进给量的增加，切削温度都是呈现先增大后减小的趋势，切削速度在140 m/min左右和进给量在0.20 mm/r左右的范围内较合适，表明切削速度和进给量交互作用有最大值。从图13b可知，当固定进给量时，随着切削速度和背吃刀量的增加，切削温度都是呈现一直增大的趋势，背吃刀量由2.0 mm增加到4.0 mm过程中，切削速度越小，切削温度增幅越小，切削速度越大，切削温度增幅越大。从图13c可知，当固定切削速度时，随着进给量和背吃刀量的增加，切削温度都是呈现先增大后减小的趋势，进给量在0.20 mm左右和背吃刀量在3.0 mm左右的范围内较合适，表明进给量和背吃刀量交互作用有最大值。

图13 切削温度与切削参数的3D响应面

2.2.3 切削参数对粗糙度的影响

图14所示为粗糙度与切削参数的3D响应曲面。从图14a可知，随着切削速度和进给量的增加，粗糙度逐渐增加，切削速度和进给量越低，粗糙度增幅越小，切削速度和进给量越高，粗糙度增幅越大。从图14b可知，随着切削速度和背吃刀量的增加，粗糙度逐渐增加，切削速度和背吃刀量越低，粗糙度增幅越小，切削速度和背吃刀量越高，粗糙度增幅越大。从图14c可知，随着进给量和背吃刀量的增加，粗糙度呈现增大的趋势。

图14 粗糙度与切削参数的3D响应面

2.2.4 切削参数优化与试验对比

针对切削参数与切削力、切削温度和粗糙度的回归模型，运用Design-Expert软件中Optimization功能，以切削力最小、切削温度最低和粗糙度最小为条件，求解回归模型得到最优切削参数为切削速度90.02 m/min、进给量0.11 mm/r及背吃刀量2.0 mm，此时预测的切削力、切削温度和粗糙度分别为31.762 N、90.1 ℃和0.694 μm。利用最优切削参数进行试验获得切削力、切削温度和粗糙度的试验数据分别为32.558 N、92.6 ℃和0.732 μm，误差率分别为2.44%、2.59%和5.19%，验证了模型的可靠性。

3 结语

笔者以树脂聚酰胺-66材料为研究对象，利用单因素和响应面法进行试验方案设计，研究切削参数对其切削性能的影响，得出以下结果：

（1）随着切削速度的增加，切削力逐渐降低，切削温度和粗糙度逐渐增加；随着进给量和背吃刀量的增加，切削力、切削温度和粗糙度逐渐增加。

（2）运用Design-Expert软件对试验数据进行分析，建立切削力、切削温度和粗糙度的回归模型，其拟合精度分别为98.89%、99.09%和96.00%，分析了切削参数交互作用对树脂聚酰胺-66材料切削性能的影响，切削力最小、切削温度最低和粗糙度最小为条件，最优切削参数为切削速度90.04 m/min、进给量0.11 mm/r、背吃刀量2.0 mm。

（3）在最优切削参数条件下进行切削试验，与预测结果对比，得出切削力分别为32.558 N和31.762 N；切削温度分别为92.5 ℃和90.2 ℃；粗糙度分别为0.732 μm和0.694 μm，试验值与预测值的误差率分别为2.44%、2.59%和5.19%。