CN105269402A

CN105269402A - 一种基于铣削加工的钛合金材料表面粗糙度预测方法

Info

Publication number: CN105269402A
Application number: CN201510673774.5A
Authority: CN
Inventors: 陈明和; 杜舜尧; 朱知寿; 王新南
Original assignee: Nanjing University of Aeronautics and Astronautics
Current assignee: Nanjing University of Aeronautics and Astronautics
Priority date: 2015-10-13
Filing date: 2015-10-13
Publication date: 2016-01-27

Abstract

本发明公开一种基于铣削加工的钛合金材料表面粗糙度预测方法，其包括如下步骤：判断材料是否为钛合金材料，若是钛合金材料，则进行步骤二，若不是钛合金材料，则该预测方法不适用；对若干件相同材料的工件在不同的刀具型号和铣削参数下进行铣削加工，之后测量出每个工件的表面粗糙度值Ra和每把刀具的后刀面平均磨损量VB；对用同种型号刀具进行铣削加工的工件的测量结果进行多元线性回归分析，确定表面粗糙度预测模型：<maths num="0001"></maths>中的待定系数C、k₁、k₂、k₃、k₄、k₅，其中v为铣削速度，f_z为每齿进给量，a_p为铣削深度，a_c为铣削宽度，VB为刀具的后刀面平均磨损量，从而即可获得对应于不同型号刀具的表面粗糙度预测模型；进而可以对钛合金铣削加工的表面粗糙度进行预测。

Description

一种基于铣削加工的钛合金材料表面粗糙度预测方法

技术领域：

本发明涉及机械加工工艺技术，尤其涉及一种基于铣削加工的钛合金材料表面粗糙度预测方法。

背景技术：

钛合金具有比强度高、热稳定性好、耐腐蚀性能优异等特点，因而广泛应用于航空、航天、生物医学以及其他工业领域。钛合金在飞机上应用可以取得良好的减重效益，能够满足军用飞机的高机动、高可靠性以及长寿命的设计需要，因而成为制造飞机关键结构件的主选材料。但是，钛合金在高温条件下具有活性大、导热系数小、弹性模量小等特性，使其切削加工性很差，具体表现为切削力大、切削温度高、加工硬化倾向大以及刀具磨损严重等，这些因素会对零件已加工表面的粗糙度造成不利影响。然而，表面粗糙度是影响零件间的摩擦、润滑和疲劳等性能的一个重要指标。从提高零件性能角度出发，需要将表面粗糙度控制在合理范围内。在铣削加工中，需要用较可靠的分析方法，研究切削参数对表面粗糙度的影响，实现对表面粗糙度的准确预报，用以指导生产。由于机械加工仿真还处于发展阶段，尽管在铣削加工过程表面粗糙度预测方面作了大量的研究工作，并且获得很多成果，但是该领域涉及技术广泛，分领域很多。因此要建立精度高，适用范围较广的表面粗糙度预测模型仍有许多问题有待解决，其中最主要的一个问题就是表面粗糙度预测模型中没有考虑刀具的影响，同时，也正是这个问题使得表面粗糙度预测模型的精度和通用性有待商榷。

发明内容：

本发明的目的在于提供一种基于铣削加工的钛合金材料表面粗糙度预测方法，充分考虑了刀具磨损对加工表面粗糙度的影响，解决了钛合金铣削加工表面粗糙度预测模型精度低，通用性不高的问题。

本发明采用如下技术方案：一种基于铣削加工的钛合金材料表面粗糙度预测方法，其包括如下步骤：

步骤一：判断材料是否为钛合金材料，若是钛合金材料，则进行步骤二，若不是钛合金材料，则该预测方法不适用；

步骤二：对若干件相同材料的工件在不同的刀具型号和铣削参数下进行铣削加工，之后测量出每个工件的表面粗糙度值Ra和每把刀具的后刀面平均磨损量VB；

步骤三：对用同种型号刀具进行铣削加工的工件的测量结果进行多元线性回归分析，确定表面粗糙度预测模型：

R a = C \cdot v^{k_{1}} \cdot {f_{z}}^{k_{2}} \cdot {a_{p}}^{k_{3}} \cdot {a_{c}}^{k_{4}} \cdot {VB}^{k_{5}}

中的待定系数C、k₁、k₂、k₃、k₄、k₅，其中v为铣削速度，f_z为每齿进给量，a_p为铣削深度，a_c为铣削宽度，VB为刀具的后刀面平均磨损量，从而即可获得对应于不同型号刀具的表面粗糙度预测模型；

步骤四：带入实际工况下的铣削参数和加工后的刀具后刀面平均磨损量数值，即可获得钛合金铣削加工表面粗糙度预测结果。

进一步地，步骤二中的表面粗糙度值Ra是同一种材料的若干件工件在不同的刀具型号和铣削参数下进行铣削加工后测量得到的结果。

进一步地，步骤二中刀具的后刀面平均磨损量VB是不同型号的刀具在不同的铣削参数下进行铣削加工后测量得到的结果。

进一步地，步骤三表面粗糙度预测模型中的各个待定系数是通过对铣削参数、刀具的后刀面平均磨损量以及表面粗糙度值进行多元线性回归分析所确定的。

本发明具有如下有益效果：在传统的表面粗糙度预测模型中加入了刀具的后刀面平均磨损量VB，充分考虑了刀具磨损对表面粗糙度的影响，从而提高了钛合金铣削加工表面粗糙度的预测精度及通用性。

附图说明：

图1是本发明实施流程图。

图2是本发明实施例的表面粗糙度的试验结果与预测结果的对比图。

具体实施方式：

请参照图1所示，本发明基于铣削加工的钛合金材料表面粗糙度预测方法，包括如下步骤：

R a = C \cdot v^{k_{1}} \cdot {f_{z}}^{k_{2}} \cdot {a_{p}}^{k_{3}} \cdot {a_{c}}^{k_{4}} \cdot {VB}^{k_{5}}

中的待定系数C、k₁、k₂、k₃、k₄、k₅，其中v为铣削速度，f_z为每齿进给量，a_p为铣削深度，a_c为铣削宽度，VB为刀具的后刀面平均磨损量，从而即可获得对应于不同型号刀具的表面粗糙度预测模型。

其中步骤二中表面粗糙度值Ra是同一种材料的若干件工件在不同的刀具型号和铣削参数下进行铣削加工后测量得到的结果。

其中步骤二中刀具的后刀面平均磨损量VB是不同型号的刀具在不同的铣削参数下进行铣削加工后测量得到的结果。

其中步骤三表面粗糙度预测模型中的各个待定系数是通过对铣削参数、刀具的后刀面平均磨损量以及表面粗糙度值进行多元线性回归分析所确定的。

其中步骤三中的表面粗糙度预测模型是与某一种具体型号的刀具所对应的。

下面通过一个具体的实施例来说明本发明基于铣削加工的钛合金材料表面粗糙度预测方法。

本实施例以TC4-DT钛合金平面端铣加工为例，刀具选择YG8立铣刀，刀具参数见表1，实施过程如图1所示。选取铣削速度、每齿进给量、铣削深度、铣削宽度和刀具的后刀面磨损量为影响铣削加工工件表面粗糙度的因素，建立TC4-DT钛合金铣削加工表面粗糙度预测模型，并对不同铣削参数下的表面粗糙度值进行预测。其包括如下步骤：

步骤一：判断出TC4-DT是一种钛合金材料，故可以进入步骤二；

步骤二：设置不同的铣削速度、每齿进给量、铣削深度和铣削宽度对TC4-DT钛合金工件进行平面端铣加工，加工完毕后测量工件的表面粗糙度值Ra和刀具的后刀面平均磨损量VB，具体数值如表2所示；

表1刀具参数

刀具

刀具直径

齿数

刃长

前角

后角

螺旋角

刀尖圆弧

YG8立铣刀

12mm

4

26mm

7°

3°

30°

0.02

表2铣削参数及对应的表面粗糙度值与后刀面平均磨损量

步骤三：对试验结果进行多元线性回归分析，即可获得钛合金铣削加工表面粗糙度预测模型为：Ra＝3.165·v^-0.087·f_z ^0.342·a_p ^0.201·a_c ^0.093·VB^0.259。

图2为TC4-DT钛合金铣削加工表面粗糙度试验结果与预测结果的对比图。结果表明，本发明的方法可以准确地预测TC4-DT钛合金铣削加工的表面粗糙度。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims

1.一种基于铣削加工的钛合金材料表面粗糙度预测方法，其特征在于：包括如下步骤

R a = C \cdot v^{k_{1}} \cdot {f_{z}}^{k_{2}} \cdot {a_{p}}^{k_{3}} \cdot {a_{c}}^{k_{4}} \cdot {VB}^{k_{5}}

2.如权利要求1所述的基于铣削加工的钛合金材料表面粗糙度预测方法，其特征在于：步骤二中的表面粗糙度值Ra是同一种材料的若干件工件在不同的刀具型号和铣削参数下进行铣削加工后测量得到的结果。

3.如权利要求1所述的基于铣削加工的钛合金材料表面粗糙度预测方法，其特征在于：步骤二中刀具的后刀面平均磨损量VB是不同型号的刀具在不同的铣削参数下进行铣削加工后测量得到的结果。

4.如权利要求1所述的基于铣削加工的钛合金材料表面粗糙度预测方法，其特征在于：步骤三表面粗糙度预测模型中的各个待定系数是通过对铣削参数、刀具的后刀面平均磨损量以及表面粗糙度值进行多元线性回归分析所确定的。