CN108481087A - 一种考虑应力集中效应的环形刀沟槽磨损预测方法 - Google Patents

一种考虑应力集中效应的环形刀沟槽磨损预测方法 Download PDF

Info

Publication number
CN108481087A
CN108481087A CN201810379150.6A CN201810379150A CN108481087A CN 108481087 A CN108481087 A CN 108481087A CN 201810379150 A CN201810379150 A CN 201810379150A CN 108481087 A CN108481087 A CN 108481087A
Authority
CN
China
Prior art keywords
cutting
stress concentration
endless knife
groove wear
cutter tooth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810379150.6A
Other languages
English (en)
Other versions
CN108481087B (zh
Inventor
闫蓉
彭芳瑜
曾浩浩
杜鹏乐
胡甜甜
汪伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201810379150.6A priority Critical patent/CN108481087B/zh
Publication of CN108481087A publication Critical patent/CN108481087A/zh
Application granted granted Critical
Publication of CN108481087B publication Critical patent/CN108481087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Milling Processes (AREA)
  • Numerical Control (AREA)

Abstract

本发明属于数控铣削加工领域，并公开了一种考虑应力集中效应的环形刀沟槽磨损预测方法，该预测方法包括以下步骤：1)利用环形刀，采用不同的切削参数对难加工材料进行铣削，测量各切削参数下的环形刀沟槽磨损深度；2)建立环形刀铣削过程沿刀刃的应力分布模型；3)建立应力集中系数模型，预测各切削参数下切深线处的应力集中系数；4)通过数据拟合获取沟槽磨损深度与切深线处应力集中系数的关系；5)建立沟槽磨损深度与切削参数的数学关系。本发明从应力集中的角度揭示了环形刀沟槽磨损的形成机理，提出了通过切削参数预测沟槽磨损深度的方法，能够准确地预测环形刀铣削难加工材料时的沟槽磨损深度。

Description

一种考虑应力集中效应的环形刀沟槽磨损预测方法
技术领域
本发明属于数控铣削加工领域，更具体地，涉及一种用于环形刀铣削时沟槽磨损预测的方法。
背景技术
在金属铣削加工领域，由于环形刀具有加工效率高和不易干涉的优势，通常用于大型复杂结构件的粗加工和半精加工中。零件的切削加工性能，通常从加工效率和表面质量两方面进行评价。刀具耐用度是影响零件加工效率的重要因素，而沟槽磨损是难加工材料(如超高强度钢、高温合金等)铣削过程刀具失效的主要形式之一。
现有的沟槽磨损研究大都基于实验分析的手段，从切屑的侧向流动、切屑局部粘附和脱落、毛刺形成、切削载荷和应力分布等角度揭示其形成机理。在理论建模方面，一般以前刀面和后刀面磨损预测为主，并且集中在车削领域。尽管有学者指出，环形刀沟槽磨损出现在刀具承受最大切削载荷的位置，并建立了相应的解析预测模型。但该模型无法对沟槽磨损深度进行预测，也无法分析各切削参数对沟槽磨损的影响规律。因此有必要提出更有效的、能够应用于工艺参数优选和指导实际生产的环形刀沟槽磨损预测方法。
从经典的Usui刀具磨损模型可以发现，接触面的正应力分布对刀具磨损的影响显著。对于车削过程而言，属于连续切削，且切削载荷保持恒定。而铣削加工过程为断续切削，切削载荷随刀具的旋转角度瞬时变化。此外，对于环形铣刀，由于实际切削半径随轴向高度变化，切削刃上处于不同轴向高度的位置，在同一时刻承受的应力大小也不相同。因此，环形刀铣削过程中，沿刀刃的应力分布并不均匀，且瞬时变化。
发明内容
针对现有技术存在的不足及改进需求，本发明提供了一种考虑应力集中效应的环形刀沟槽磨损预测方法。其目的在于有效地预测环形刀铣削难加工材料时的沟槽磨损深度，并为工艺参数优选提供理论指导。
按照本发明，提供了一种考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，包括如下步骤：
(1)利用环形刀，采用不同的切削参数对难加工材料进行铣削，测量环形刀的沟槽磨损深度Vn；
(2)建立环形刀铣削过程沿刀刃的应力分布模型及应力集中系数模型，以对步骤(1)中各切削参数下的切深线处应力集中系数αm进行预测；
(3)将步骤(1)中测量的沟槽磨损深度Vn与步骤(2)中预测的切深线处应力集中系数αm进行多项式拟合，从而获得两者之间的对应关系，进而实现通过切削参数来预测沟槽磨损深度Vn。
优选地，步骤(2)中，将环形刀沿轴向等间距离散成若干刀齿微元，则环形刀铣削过程沿刀刃的应力分布模型表示如下：
其中，为刀齿微元切削刃处的正应力大小，为刀齿微元的径向位置角，z为刀齿微元的轴向高度，为刀齿微元的瞬时切削厚度，为剪切面剪切流动应力，为刀齿微元的前刀面与切屑的总接触长度，ζ为指数常数，ηs为切屑流动角，βa为摩擦角，φn为法剪切角，ηc为倾斜角，γn为法前角。
优选地，刀齿微元剪切面剪切流动应力表示如下：
其中，dFs为刀齿微元的剪切力，db为刀齿微元的切削宽度，β为环形刀的螺旋角。
优选地，所述步骤(2)中环形刀铣削过程的应力集中系数模型表示如下：
其中，α(z)为刀齿微元的应力集中系数，z0为参与切削的刀齿微元最小轴向高度，ap为轴向切深，为参与切削的刀齿微元的最小切入角，为参与切削的刀齿微元的最大切出角。
优选地，参与切削的刀齿微元最小轴向高度z0表示如下：
其中，r为环形刀上所装刀片的半径，ae为径向切深。
优选地，步骤(3)中通过多项式拟合获取的沟槽磨损深度Vn与切深线处应力集中系数αm的关系表示如下：
其中，a1，a2和a3为常系数。
在本发明中，由于定量化切深线处应力集中系数对沟槽磨损的影响，因此本方法能够准确地预测环形刀铣削难加工材料时的沟槽磨损深度。此外，本方法实现了通过切削参数预测沟槽磨损的效果，因而能够从理论上分析不同加工参数对环形刀沟槽磨损的影响机制，并进一步用于工艺参数优选和指导实际生产。
附图说明
图1为按照本发明的用于环形刀沟槽磨损预测的新方法流程框图；
图2a为环形刀铣削示意图；
图2b为图2a中刀齿微元P的铣削示意图；
图2c为图2b中径向位置角为时的刀齿微元斜角切削示意图；
图3为环形刀铣削过程沿刀刃的应力集中系数分布曲线图；
图4为沟槽磨损深度与切深线处应力集中系数之间的拟合关系曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参见图1，为按照本发明实现的环形刀沟槽磨损预测方法的流程框图，其中包括下列步骤：
(1)环形刀铣削实验
利用环形刀，在不同切削参数下对难加工材料进行铣削，在完成相同的切削长度后，测量环形刀沟槽磨损深度Vn。所述难加工材料可以为高温合金、钛合金、超高强度钢。
(2)环形刀铣削过程建模
将环形刀沿轴向等间距离散成若干刀齿微元，离散间距为dz。那么对于任意的刀齿微元，在任意微小时间段内的切削过程可简化为图2c所示的斜角切削。以任意处于轴向高度z处的刀齿微元P为例(如图2a所示)，当径向位置角为时(如图2b所示)，切削刃处的正应力表示如下：
其中，为刀齿微元的瞬时切削厚度，为剪切面剪切流动应力，为刀齿微元的前刀面与切屑的总接触长度，ζ为指数常数，ηs为切屑流动角，βa为摩擦角，φn为法剪切角，ηc为倾斜角，γn为法前角，各角度的定义如图2c所示。
刀齿微元剪切面剪切流动应力表示如下：
其中，dFs为刀齿微元的剪切力，db为刀齿微元的切削宽度，β为环形刀的螺旋角。
由于铣削过程为断续切削，且切削载荷瞬时变化。此外，环形刀实际切削半径随轴向高度变化，切削刃上处于不同轴向高度的位置，在同一时刻承受的应力大小也不相同。考虑到切削刃上应力分布不均匀且瞬时变化的特点，这里提出了应力集中系数用以综合表征环形刀铣削过程沿刀刃的应力分布状态。环形刀铣削过程的应力集中系数模型表示如下：
其中，α(z)为刀齿微元的应力集中系数，z0为参与切削的刀齿微元最小轴向高度，ap为轴向切深，为参与切削的刀齿微元的最小切入角，为参与切削的刀齿微元的最大切出角。
参与切削的刀齿微元最小轴向高度z0表示如下：
其中，r为环形刀上所装刀片的半径，ae为径向切深。
由图3可看出，环形刀铣削过程中，应力集中系数随轴向高度的增大而增大，在切深线的位置达到最大值αm。
(3)沟槽磨损预测
基于步骤(2)中提出的应力集中系数模型，对步骤(1)中开展的各实验条件下的切深线处应力集中系数进行求解，可以获得系列αm值。进一步，将步骤(1)中测量的沟槽磨损深度Vn与步骤(2)中预测的切深线处应力集中系数αm进行多项式拟合，从而建立两者之间的对应关系：
拟合结果如图4所示，常系数a1，a2和a3分别等于-12345，32965和-21674。
通过所获得的数学关系可以看出，对于沟槽磨损的出现，存在两个临界的切深线处应力集中系数值。当切深线处应力集中系数αm小于下临界值(1.171)或大于上临界值(1.499)时，均难以产生沟槽磨损。
从获得的实验测量数据和预测曲线(图4)来看，本模型能够准确地预测环形刀铣削难加工材料时的沟槽磨损深度。此外，本方法实现了通过切削参数预测沟槽磨损的效果，因而能够从理论上分析不同加工参数对环形刀沟槽磨损的影响机制，并进一步用于工艺参数优选和指导实际生产。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，包括如下步骤：
(1)利用环形刀，采用不同的切削参数对难加工材料进行铣削，测量环形刀的沟槽磨损深度Vn；
(2)建立环形刀铣削过程沿刀刃的应力分布模型及应力集中系数模型，以对步骤(1)中各切削参数下的切深线处应力集中系数αm进行预测；
(3)将步骤(1)中测量的沟槽磨损深度Vn与步骤(2)中预测的切深线处应力集中系数αm进行多项式拟合，从而获得两者之间的对应关系，进而实现通过切削参数来预测沟槽磨损深度Vn。
2.如权利要求1所述的考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，步骤(2)中，将环形刀沿轴向等间距离散成若干刀齿微元，则环形刀铣削过程沿刀刃的应力分布模型表示如下：
其中，为刀齿微元切削刃处的正应力大小，为刀齿微元的径向位置角，z为刀齿微元的轴向高度，为刀齿微元的瞬时切削厚度，为剪切面剪切流动应力，为刀齿微元的前刀面与切屑的总接触长度，ζ为指数常数，ηs为切屑流动角，βa为摩擦角，φn为法剪切角，ηc为倾斜角，γn为法前角。
3.如权利要求2所述的考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，刀齿微元剪切面剪切流动应力表示如下：
其中，dFs为刀齿微元的剪切力，db为刀齿微元的切削宽度，β为环形刀的螺旋角。
4.如权利要求1所述的考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，所述步骤(2)中环形刀铣削过程的应力集中系数模型表示如下：
其中，α(z)为刀齿微元的应力集中系数，z0为参与切削的刀齿微元最小轴向高度，ap为轴向切深，为参与切削的刀齿微元的最小切入角，为参与切削的刀齿微元的最大切出角。
5.如权利要求4中所述的考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，参与切削的刀齿微元最小轴向高度z0表示如下：
其中，r为环形刀上所装刀片的半径，ae为径向切深。
6.如权利要求1所述的考虑应力集中效应的环形刀沟槽磨损预测方法，其特征在于，步骤(3)中通过多项式拟合获取的沟槽磨损深度Vn与切深线处应力集中系数αm的关系表示如下：
其中，a1，a2和a3为常系数。
CN201810379150.6A 2018-04-25 2018-04-25 一种考虑应力集中效应的环形刀沟槽磨损预测方法 Active CN108481087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810379150.6A CN108481087B (zh) 2018-04-25 2018-04-25 一种考虑应力集中效应的环形刀沟槽磨损预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810379150.6A CN108481087B (zh) 2018-04-25 2018-04-25 一种考虑应力集中效应的环形刀沟槽磨损预测方法

Publications (2)

Publication Number Publication Date
CN108481087A true CN108481087A (zh) 2018-09-04
CN108481087B CN108481087B (zh) 2020-05-19

Family

ID=63313104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810379150.6A Active CN108481087B (zh) 2018-04-25 2018-04-25 一种考虑应力集中效应的环形刀沟槽磨损预测方法

Country Status (1)

Country Link
CN (1) CN108481087B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057707A (zh) * 2019-05-31 2019-07-26 上海交通大学 碳纤维增强复合材料/钛合金叠层钻削刀具寿命测定方法
CN111531403A (zh) * 2020-04-22 2020-08-14 华南理工大学 一种测量刀具主切削刃所受负载沿径向分布的方法
CN111590393A (zh) * 2020-06-18 2020-08-28 天津大学 超精密车削刀具干涉校验方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1113857A (ja) * 1997-06-30 1999-01-22 Ricoh Co Ltd 運動伝達用機械要素
CN104476326A (zh) * 2014-11-21 2015-04-01 华中科技大学 一种陶瓷刀具沟槽磨损预测的方法
CN106002485A (zh) * 2016-06-29 2016-10-12 北京航空航天大学 刀具磨损率的测定方法及刀具磨损预测模型的建立方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1113857A (ja) * 1997-06-30 1999-01-22 Ricoh Co Ltd 運動伝達用機械要素
CN104476326A (zh) * 2014-11-21 2015-04-01 华中科技大学 一种陶瓷刀具沟槽磨损预测的方法
CN106002485A (zh) * 2016-06-29 2016-10-12 北京航空航天大学 刀具磨损率的测定方法及刀具磨损预测模型的建立方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057707A (zh) * 2019-05-31 2019-07-26 上海交通大学 碳纤维增强复合材料/钛合金叠层钻削刀具寿命测定方法
CN110057707B (zh) * 2019-05-31 2021-06-25 上海交通大学 碳纤维增强复合材料/钛合金叠层钻削刀具寿命测定方法
CN111531403A (zh) * 2020-04-22 2020-08-14 华南理工大学 一种测量刀具主切削刃所受负载沿径向分布的方法
CN111590393A (zh) * 2020-06-18 2020-08-28 天津大学 超精密车削刀具干涉校验方法

Also Published As

Publication number Publication date
CN108481087B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
Klocke et al. Technological and economical comparison of roughing strategies via milling, sinking-EDM, wire-EDM and ECM for titanium-and nickel-based blisks
CN108481087A (zh) 一种考虑应力集中效应的环形刀沟槽磨损预测方法
Aouici et al. Machinability investigation in hard turning of AISI D3 cold work steel with ceramic tool using response surface methodology
Yadav A hybrid approach of Taguchi-Response surface methodology for modeling and optimization of duplex turning process
Kuljanic et al. TWEM, a method based on cutting forces—monitoring tool wear in face milling
Kuram et al. Micro-milling performance of AISI 304 stainless steel using Taguchi method and fuzzy logic modelling
Namazi et al. Fractal-based analysis of the influence of cutting depth on complex structure of cutting forces in rough end milling
CN111113150B (zh) 一种机床刀具状态的监控方法
Murthy et al. Optimization of end milling parameters under minimum quantity lubrication using principal component analysis and grey relational analysis
Kumar Singh et al. Multiresponse optimization of electro-discharge diamond face grinding process using robust design of experiments
Mukkoti et al. Effect of cryogenic treatment of tungsten carbide tools on cutting force and power consumption in CNC milling process
CN110293451A (zh) 一种整体式平底立铣刀后刀面磨损率确定方法
Jain et al. Study of surface roughness and AE signals while machining titanium grade-2 material using ANN in WEDM
Bhardwaj et al. Prediction of surface roughness in turning of EN 353 using response surface methodology
CN109877650B (zh) 一种棒料剪切刀具寿命预测方法
Chethan et al. Parametric optimization in drilling EN-8 tool steel and drill wear monitoring using machine vision applied with Taguchi method
Sagbas Analysis and optimization of process parameters in wire electrical discharge machining based on RSM: A case study
Tansel et al. Genetic tool monitor (GTM) for micro-end-milling operations
CN107679330B (zh) 一种tbm刀盘系统破岩性能损耗程度的实时评价方法
Klocke et al. Online tool wear measurement for hobbing of highly loaded gears in geared turbo fans
Kwon et al. Characterization of tool wear measurement with relation to the surface roughness in turning
Bharat et al. A study on conventional and non-conventional machining behaviour of metal matrix composites: a review
Del Prete et al. Roughness improvement in machining operations through coupled metamodel and genetic algorithms technique
Jayadithya et al. Multi objective optimization of WEDM through Taguchi method and utility concept
Kirwin et al. Effects of non-electrical parameters on profile accuracies and surface characteristics during wire-EDM of titanium alloy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant