确定最佳参数水平multi-performance铍铜合金的特点在逆铣通过响应面方法

b·拉梅什^1,*,a Elayaperumal²马纳尔,r .¹,美国Madhav³,卡迈勒•贾殷³

副教授、机械、圣约瑟夫大学工程、钦奈,印度Tamilnadu
圭因迪,副教授,机械工程学院的安娜大学Tamilnadu、印度钦奈
ug的学生,机械、圣约瑟夫大学工程、钦奈,印度Tamilnadu

文摘

与现代工程产品的更多需求最大的精度和效率,控制表面粗糙度(Ra)与材料去除率(MRR)变得更加重要。本文优化了工艺参数(主轴转速、饲料和削减的深度)对铍铜合金(C17200)在传统垂直使用6毫米硬质合金端铣刀铣削操作。利用响应面实验方法(RSM)面心中心合成设计。实验值获得了质量特性(Ra和MRR)经验相关工艺参数通过开发一个使用设计专家version 7软件响应面模型。结果表明,选择范围内的最优参数水平加工直槽与Ra和高MRR铍铜合金板的使用数控立式加工中心(VMC) 4416 rpm主轴速度、0.49毫米/饲料和牧师2毫米的深度。

关键字

铍、RSM MRR、表面粗糙度、端铣

介绍

172年Cube2-C17200 (CDA)铍铜合金是最普遍使用的铜铍合金,值得注意的是它的最高比商业铜合金强度和硬度。C17200合金包含大约2%的铍及其极限抗拉强度可以超过1379 MPa,而罗克韦尔C45硬度的方法。同时,导电性至少22% IACS完全年龄条件。C17200也表现出非凡的抗应力松弛在升高的温度下。C17200铍铜合金的典型应用包括电气开关和继电器叶片、保险丝夹、弹簧连接器、航海仪器,垫圈,紧固件,保留戒指,滚针、螺丝、螺栓、水泵、弹簧,轴,非引发安全工具,灵活的金属软管,外壳为工具、轴承、衬套,气门座,气门茎,膜片、弹簧、焊接设备、轧机零件、样条轴、泵零件、阀门、弹簧管、穿板重型设备、波纹管等[1]。

现在技术要求精密复杂的现代工程产品的增强控制表面粗糙度(Ra)和尺寸精度和材料去除率(MRR)。调查,表面纹理会极大地影响加工零件的功能。改善产品品质和生产操作的经济是非常重要的考虑生产产品的功能、视觉和成本的吸引力。

已经进行了很多尝试通过各种加工铍铜合金的研究人员。他们简要介绍。Aggarwal等。[2]工作两级的交互图形阵列实验设计相结合。他们的结论是,质量可以通过稳健设计。Benardos & Vosniakos[3]提出了数控端面铣削表面粗糙度的预测使用神经网络与田口实验设计。他们预测,表面粗糙度是影响饲料,减少的速度和深度。Bouzakis等。[4]已经确定芯片几何、切削力和粗糙度与球头铣削工具。Dae等。[5]研究了端面铣削操作优化的问题。亨利等。[6]研究了高速铣削表面形状的预测。表面粗糙度性能研究了杨和陈[7]。 Their study is how to identify and decide optimum parameters in end- milling operations.

Kishawy & Elbestawi[8]提出了案例研究工艺参数对材料的影响侧流在艰难的转变。他们得出的结论是,通过适当的设计的一个系统,这个过程可以不变化,这样就避免了昂贵的场合拒绝和/或返工。表达了相似的看法野蛮和陈[9]在他们的研究工作资格多个回归多级表面粗糙度在铣操作识别系统。王& Chang[10]做了实验研究槽端铣的表面粗糙度。他们提倡的优化工艺参数可以大大提高表面粗糙度。根据Unal和院长[11]质量和成本的主要成分是田口方法的优化设计方法。决定系统的方法是由威代尔等。[12]优化参数的选择在规划铣操作。

华纳&奥康纳[13]发现通过应用田口实验设计,提高了产品质量和生产率作为优化过程的成型过程中起到了至关重要的作用。阿尔贝蒂等。[14]调查系统优化材料去除率和表面粗糙度在高速数控铣操作。一旦参数viz.切割速度、饲料和深度削减已经给定的材料去除率和表面粗糙度可以预测。Saffar等。[15],旨在优化加工参数的帮助下遗传方法使表面粗糙度和刀具寿命的限制。结果表明,优化后的参数能够加工的工件更准确更好的表面光洁度。Sanjit Moshat等。[16]突出数控立铣工艺参数的优化提供良好的表面光洁度以及高材料去除率(MRR)。尝试优化上述质量属性的方式,这些multi-criterions可以同时满足预期的水平。迪帕克[17]讨论了粒子群优化(PSO)和遗传算法(GA)优化铣削工艺参数。

上述文献回顾显示,许多研究人员致力于实现最优参数和水平铣操作考虑表面粗糙度(Ra)和材料去除率(MRR)。然而,文学传统的铍铜合金用端铣刀铣削是稀缺的。因此研究目前的研究兴趣调查的相对影响铣削工艺参数如主轴转速、饲料和深度削减在Ra和MRR铍铜合金直开槽操作期间,获得最优工艺参数水平的选择范围槽质量和生产率考虑最小Ra和更高的MRR一起使用响应面方法(RSM)。本研究将建立一个可靠的切削理论,因此艾滋病制造工程师与数据库的参数和最优水平而upmilling铍铜合金用端铣刀。本文还介绍了应用RSM实现响应面模型Ra和MRR工艺参数通过分析信号/噪声比(S / N)。

二世。实验的细节

数控立式加工中心(牧野S33 APC)被用来执行逆铣操作(图1)。铍铜合金板(C17200)维度的106 x 92 x 19毫米用作工件。典型的物理性质和化学成分的工件分别在表1和2。直开槽操作使用的工具是一个6毫米硬质合金端铣刀的维度属性(图2)。端铣刀工具表3中给出。

平均表面粗糙度(Ra)测量已经完成使用便携式表面粗糙度测量仪MARSURF PS1如图3所示。它配备了金刚石触针齿顶圆角半径的5μm。工件的重量已测量的高精度数字式平衡仪可以测量精度的身手g尤其从而消除误差大,同时计算MRR的可能性。

答:计划的实验

响应面方法(RSM)是一个经验建模方法预测工艺参数和响应之间的关系。RSM是数学和统计程序的集合,用于分析问题所需的反应是受几个参数的影响,为优化工艺参数水平考虑多个响应[18]。实验设计采用RSM与选定切削条件。过程参数和实验选择的水平如表4所示。在应用RSM,中央综合面心(CCF)设计使用符合二阶响应面非常准确。所有的系数都通过应用CCF设计使用设计专家version 7统计软件包。在确定重要系数(95%置信水平),最终的模型开发只使用这些质量系数特征(Ra和MRR)常规Cube2端铣。

4毫米的长度。粗糙度仪器已经测量沿槽(30 x 6毫米)即跨了,三次在不同的地方,平均被进行分析。

MRR已经从体重的差异计算工件每次试验之前和之后的实验。

MRR mm3 / min = (Wi - Wf) /(ρt) (1)

,Wi工件的初始体重公斤,Wf是最终在公斤重量的工件,铍铜合金的密度ρ是公斤/ mm3, t是加工时间在几分钟内。每个实验重复三次,平均MRR值和Ra已经在表5。

从图5(一个)可以看出作为速度和饲料Ra的增加而增加。低Ra实现中等速度,降低饲料和媒介的深度。从图5 (b)可以看出MRR增加速度和饲料增加。更高MRR达到更高的速度和饲料和更低的切割深度。

使用方差分析b .充足的分析模型

充足的二阶响应面模型(2)和(3)测试使用方差分析(方差分析)技术和回归模型(2)的结果拟合的形式给出了方差分析表6所示。方差分析表由平方和和自由度。平方和通常表现为回归模型和残差。均方平方和的比值的自由度和f值的比值均方回归模型的剩余均方误差。根据这种技术,开发模型的方差比的计算值应超过列表值的F-table 95%置信水平,为模型是足够的。

47.53的f值模型表面粗糙度意味着模型具有重要意义。表面粗糙度只有0.01%的机会,一个“模范f值”这个大可能是由于噪音。“概率> F”的值小于0.05表明模型方面意义重大。表面粗糙度的年代,F和S2模型来说非常重要。值大于0.1表示模型条款并不重要。如果有许多微不足道的模型条件(不包括那些需要支持层次),减少模型可以提高生成的模型。观察到饲料是更重要的速度影响质量特性。缺乏适合并不重要,因为它需要。相对较低的值的变异系数进行的实验表明改进的精度和可靠性。

决定系数(R2)表明模型的拟合优度即它表明实验值和预测值之间的协议。决定系数表明,仅存的总数的%的差异并不用模型来解释。0.8991表面粗糙度的获得的R2值表明更好的适合的模型。的Pred平方0.8181是在合理的协议”的平方”0.8802。“Adeq精度”措施的信号噪声比。比大于4是可取的。获得的比22.038意味着一个适当的信号。同样模型的充分性(3)测试使用方差分析。因此,模型(2)和(3)的实际因素可以用来导航的设计空间

c .分析工艺参数对质量特性的影响

图6展示了三维响应面质量发展特点,以两个工艺参数X和Y轴和响应得到的回归模型在Z轴。反应表面清楚地揭示出最佳的反应点。与速度随着饲料增加材料去除率和表面粗糙度增加。随着速度的增加,饲料材料去除率和表面粗糙度增加。

d .优化工艺参数水平逆铣的铍铜合金

RSM用来找到最优的工艺参数,生产的最大或最小值响应[20]。在目前的调查相对应的工艺参数水平最小化的质量特性(Ra和MRR)一起被认为是最佳。愿望图(图7)显示过程参数水平组合(4416 rpm主轴转速,0.49 mm /牧师饲料和2毫米深度削减)0.764是最佳的最高愿望。在铣削表面粗糙度的平均范围是0.8 - 6.3μm [21]。

因此最优参数水平逆铣使用6毫米的铍铜合金硬质合金端铣刀可以总结为4416 rpm主轴速度、深度0.49毫米/饲料和牧师2毫米的减少507.3378 mm3 /分钟MRR和0.7950μm Ra。

从上面的讨论,可以得出的结论是,RSM方法是非常有用的在分析感兴趣的参数影响任何响应和优化参数水平在选定的范围内考虑多个响应。此外,模型开发只需要有限的实验。然而,建模的主要限制在RSM工艺参数选择的范围应该缩小更好的预测精度。因此,插值可能没有那么准确,各种工艺参数。

四。结论

本文描述了使用响应面方法(RSM)调查的相对影响铣削工艺参数(主轴转速、饲料和深度削减)质量特性(材料去除率和表面粗糙度),充足的分析响应面模型和实现最优工艺参数水平选择的范围导致获得高加工质量和生产率在逆铣的铍铜合金板使用6毫米硬质合金端铣刀。基于实验结果和方法的使用,可以得出以下结论,直接开槽操作。

1。表面粗糙度和增加材料去除率随速度和饲料。低Ra实现中等速度,降低饲料和媒介的深度。更高MRR达到更高的速度和饲料和更低的切割深度。

2。提要是更重要的速度影响Ra和速度更重要的饲料在影响MRR紧随其后。

3所示。响应面模型为MRR开发和Ra与铣削工艺参数认为合适。

4所示。最优参数水平逆铣使用6毫米的铍铜合金硬质合金端铣刀可以总结为4416 rpm主轴速度、深度0.49毫米/饲料和牧师2毫米的减少507.3378 mm3 /分钟MRR和0.7950μm Ra。

5。MRR下降将导致更高的表面光洁度。

承认

作者感谢M / S总裁钢铁分公司。孟买,印度提供的铍铜合金实验。

引用

http://www.alb-copperalloys.com/beryllium-copper/c17200/
Aggarwal, M。L,古普塔,公元前,Roy Chaudhury S., and Walker, H.F., “Interaction Graphs for A Two - Level Combined Array Experiment Design”, Journal of Industrial Technology, Vol.18 (4), pp.1-10, 2002.
Benardos,打开,and Vosniakos,G.C.,”Prediction of surface roughness in CNC face milling using neural networks and Taguchi's design of experiments”, Robotics and Computer - Integrated Manufacturing, Vol.18 (5-6), pp.343-354,2002.
Bouzakis,降低价格,Aichouh P。,and Efstathiou K.,” Determination of the chip geometry, cutting force and roughness in free form surfaces finishing milling, with ball end tools”. International Journal of Machine Tool and Manufacture, Vol.43(5),pp. 499-514,2003.
Dae K.B.,Tae J.K.,and Hee,S.K., “Optimization of Feedrate in A Face Milling Operation Using A Surface Roughness Model.”, International Journal of Machine Tools and Manufacture,Vol .41(3),pp.451-462,2001
亨利·P。,Grégoire P.,and René M.,” Surface shape prediction in high speed milling”, International Journal of Machine Tools and Manufacture, Vol.44 (15), pp.1567-1576,2004.
杨。,陈,J.C.,”A Systematic Approach for Identifying Optimum Surface Roughness performance in End-Milling operations” Journal of Industrial Technology, Vol.17(2), pp.1-8,2001.
Kishawy, H.A.,and Elbestawi,M.A, “Effects of process parameters on material side flow during hard turning”.International Journal of Machine Tools and Manufacture, Vol.39(7), pp.1017-1030,1999.
野蛮人,医学博士陈,J.C.,” Multiple Regression-Based Multilevel In-process Surface Roughness recognition system in Milling operation.” The Journal of Technology Studies, Vol.28(1),pp.28-34,2002.
王',and Chang,H.Y,” Experimental study of surface roughness in slot end milling AL2014-T6.” International Journal of Machine Tools and Manufacture,Vol. 44(1), pp.51-57,2001.
Unal R和院长E.B.,“Taguchi Approach to Design optimization for quality and cost: an overview in proc” Annual Conference of the International society of parameteric Analysts, Pg.38-57,1991.
比达尔。,Alberti M., Ciurana J. and Casadesus M.”A Decision Support System for optimizing the selection of parameters when planning milling operations.” International Journal of Machine Tools and Manufacture,Vol. 45(2),pg.201-210,2001.
华纳,J.C.,and O’connor S., “Molding process is improved by using the Taguchi Method”, Modern plastics International, Vol.19, pp.52- 56,1989.
M。阿尔贝蒂,J。Ciurana, M。Casadesus“系统优化切削参数当计划在高速加工铣操作”,《材料加工技术Vol.168 (1) pp.25-35, 2005年。
R.J. Saffar,核磁共振Razfar A.H.Salimi和M.M.造成“优化加工参数的最小化工具挠度在端铣操作使用遗传算法”,世界应用科学杂志》第六卷(1)页。64 - 69年,2009年。
Sanjit Moshat Saurav达塔,Asish Bandyopadhyay和Pradip Kumar朋友”优化数控立铣工艺参数使用PCAbased田口方法,国际工程”杂志,科学与技术》(1),92 - 102年,2010页。
U。迪帕克,“优化铣削操作使用遗传和PSO算法”Bonfring软件工程和软计算的国际期刊,1卷,pp.8-14, 2011。
特区蒙哥马利市“实验设计与分析”,约翰·威利和儿子(2001)。
s .库马尔·库马尔H.S.,Shan, “Effect of evaporative casting process parameters on the surface roughness of Al-7%Si alloy castings”, Journal of Material Processing Technology, Vol.182 ,pp.615−623,2007.
T.H.侯,h,苏柔,Liu, “Parameters optimization of a nano-particle wet milling process using the Taguchi method”, response surface method and genetic algorithm, Powder Technology, Vol.173,pp.153−162,2007.
http://www.engineershandbook.com/Tables/surfaceroughness.htm
n . Tosun c Cogun, g . Tosun”研究切口和丝电火花加工材料去除率基于田口法”,《材料加工技术,Vol.152 pp.316 - 322, 2004。