PCD刀具高速铣削GH4169合金的刀具磨损规律研究发表时间:2019-11-13 17:58 高温合金GH4169是航空航天领域的新型合金材料,具有耐腐蚀性高、抗辐射、抗氧化、抗疲劳等优良性能,在高温条件下可以长时间承受较大应力,是航空航天领域发动机中的重要材料。由于GH4169合金强度高、韧性高,且导热率很低,使其成为很难加工的材料之一。目前国内对GH4169合金的高速铣削性能研究较少,尤其是PCD刀具高速铣削GH4169合金时的刀具磨损规律研究。相较于普通铣削加工,高速铣削加工效率可以提高4-5倍,并且精度更高,表面粗糙度更小,已广泛应用于高强度合金的加工。本文选用微聚晶金刚石(PCD)刀具,利用正交试验方法对GH4169合金进行高速铣削,研究了主轴转速、冷却方式、铣削方式以及每齿进给量对刀具磨损的影响规律,并利用BP神经网络建立了刀具磨损的预测模型,为PCD刀具高速铣削GH4169合金工件的参数优化、效率提高提供依据。 1 GH4169合金高速铣削试验 选取GH4169高温合金材料,材料经热连轧工艺制成棒材,初始轧制温度为1120℃,终轧温度为1060℃,进行直接时效热处理。试验选用材料的化学成分为:Ni<52.3%,C<0.04%,Al<0.52%,Ti<1.06%,Cr<18.9%,Mo<3.08%,Nb<5.3%,Co<0.2%,Si<0.2%。 在FADIA D165高速铣削加工中心上进行试验,主轴转速为240-24000r/min,机床最大功率22kW;加工材料为GH4169合金,长方体试件尺寸80mm×35mm×40mm;选用山高公司PCD刀具,刀体直径Φ52mm;刀片型号XOEX090304FR,刀片直径Φ12mm。 实际加工中,轴向切深ae和径向切深ap取值固定,ae=ae=5mm。采用单因素实验法,仅研究主要切削参数对刀具磨损的影响规律。使用奥林巴斯SZ61TR一体式显微镜测量并记录不同切削参数下不同走刀路程L(mm)的铣刀后刀面磨损带宽度VB值,用以表征刀具磨损程度。切削参数取值见表1。 表1 刀具磨损试验切削参数表 打开百度APP,查看更多高清图片 2 试验数据分析 (1)冷却方式对刀具磨损影响 将试验条件限定为主轴转速8000r/min、每齿进给量0.05mm/r,分别在干切和切削液冷却条件下进行端面顺铣试验。试验结果即两种条件下后刀面VB值随切削路程的变化,如图1所示,相较于干切,同样的切削参数下使用切削液冷却时VB值明显减小。 图1 干切与切削液冷却下VB值变化对比 干切条件下,刀具切削路程到达800mm时,首次观察到刀尖的崩刃情况(见图2);切削路程超过2000mm后,切削过程中机床有明显的噪声,肉眼可见加工表面出现明显的不平整,加工质量下降;切削路程超过2500mm后,切屑开始变成卷曲的条状并出现啃刀现象。而同样参数下,使用切削液冷却时并未观察到崩刃情况,同时前刀面产生的粘结物也比较容易去除,分析原因可知,切削液不仅可以起到切削过程中的冷却作用,也可以降低刀具表面的摩擦系数,并在刀具表面形成一层很薄的保护膜,使切屑更容易排出从而减小崩刃发生的几率。 图2 刀尖崩刃 (2)主轴转速对刀具磨损的影响 将试验条件限定为切削液冷却,每齿进给量固定为0.05mm/r,端面顺铣,分别在主轴转速8000r/min、12000r/min、16000r/min下进行磨损量对比。试验结果如图3所示,除去切削刚开始时的情况,当主轴转速从8000r/min增加至12000r/min或16000r/min时,VB值变化不大,考虑到试验误差以及偶然因素,可以认为主轴转速对PCD刀具磨损的影响不大。 图3不同主轴转速下VB值变化对比 (3)铣削方式对刀具磨损的影响 将试验条件限定为主轴转速8000r/min,每齿进给量0.05mm/r,切削液冷却,分别对试件进行顺铣和逆铣。试验结果如图4所示,同样切削参数下顺铣相较于逆铣VB值明显更小,同时逆铣试验中当刀具切削路程到达1200mm时刀尖出现轻微崩刃情况。分析原因为逆铣加工时工件和刀具的相对运动导致两者之间产生剧烈挤压和摩擦,产生大量的切削热,使切削区的温度迅速提升,切屑粘连在一起形成连续切屑,影响了切削时热量的散发,同时加剧了刀片磨损,甚至引起崩刃,严重影响刀具寿命。由此分析可见,PCD刀具在高速铣削GH4169合金材料时,应尽可能优先采用顺铣的加工方法,以延长刀具寿命,提高加工精度。 图4顺铣与逆铣方式VB值变化对比 (4)每齿进给量对刀具磨损的影响 将试验条件限定为主轴转速12000r/min,切削液冷却,分别在每齿进给量fx=0.05mm/r和fx=0.067mm/r时对试件进行端面顺铣,试验结果如图5所示。增大每齿进给量时VB值随之增大,与此同时,观察到每齿进给量fx=0.067mm/r时刀具切削路程到达1200mm时出现崩刃现象,由此可见,增大每齿进给量将会显著增大崩刃发生的几率。 图5不同每齿进给量下VB值变化对比 3 BP神经网络建模预测 由于高速铣削中刀具磨损量的变化属于较复杂的非线性系统,难以用一般的数学方法建模来预测。采用BP神经网络,把系统看成一个黑匣子,将试验所得数据作为输入数据,建立BP神经网络对其进行训练,最后再用训练所得函数对刀具磨损量进行预测,并与新的试验数据进行对比,验证其准确度,算法流程如图6所示。 图6BP神经网络建模预测流程 训练中TF函数使用tansig函数,BTF使用traingdx函数,BLF使用learngdm函数,训练中每种铣削参数选取5组数据分别建立模型,以顺铣方式、切削液冷却、主轴转速12000r/min、每齿进给量fx=0.05mm/r为例,输入数据如表2所示。 表2训练输入数据表 使用训练所得函数对该铣削参数下的刀具磨损量进行预测,并在同样参数下进行一组新的试验与预测结果进行对比,预测结果如图7所示。可以看到,在切削距离达到200mm后,BP神经网络预测结果与实际值十分接近,误差均在5%以内。 图7BP神经网络预测值与实际值对比 小结 通过对比研究不同切削条件PCD刀具高速铣削GH4169合金时刀具磨损的影响规律可知,主轴转速对刀具磨损影响较小,冷却方式、铣削方式以及每齿进给量对铣削过程中刀具磨损影响较大,在实际加工GH4169合金中应采用适当的冷却方式,减小每齿进给量并尽可能采用顺铣方式加工。同时利用BP神经网络建立了刀具磨损量预测模型,与实际结果误差在5%以内,预测结果较为准确。 |