CN111007800B - 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 - Google Patents
用于平头微铣削刀具磨损预测和加工参数优化的通用方法 Download PDFInfo
- Publication number
- CN111007800B CN111007800B CN201911330143.8A CN201911330143A CN111007800B CN 111007800 B CN111007800 B CN 111007800B CN 201911330143 A CN201911330143 A CN 201911330143A CN 111007800 B CN111007800 B CN 111007800B
- Authority
- CN
- China
- Prior art keywords
- wear
- model
- micro
- cutter
- parameters
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37232—Wear, breakage detection derived from tailstock, headstock or rest
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法,其步骤包括:1根据微铣削加工参数、材料加工性能和切削长度,分别建立包含未知参数的微铣刀月牙洼磨损模型、后刀面磨损模型和径向磨损模型;2根据实验得到的微铣刀磨损数据,采用数值方法分别标定微铣刀具磨损模型中的参数;3将标定的参数分别代入磨损模型中,得到微铣刀磨损模型,实现微铣削过程中刀具磨损预测;4将月牙洼磨损、后刀面磨损和径向磨损的整体最小化作为目标函数,以刀具磨钝标准为约束条件,实现微铣削加工参数的优化。本发明能预测不同参数、不同加工材料及不同切削长度情况下的刀具磨损量,显著提升预测微铣削刀具磨损方法的普适性和通用性。
Description
技术领域
本发明涉及微铣削加工领域,具体是一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法。
背景技术
随着我国产业结构的调整,数控机床目前正朝着高精度、高速高效、柔性化和智能化的方向发展。在高端精密制造领域,例如现代国防装备中许多关键零部件的加工、航空发动机叶片、减速器、曲轴类零部件等的加工,由于其结构复杂、材料可加工性差、精度要求高,采用传统数控机床加工该类零件时,几何精度与表面完整性差,质量难以保证。
微铣削因具有加工材料的多样性和能实现复杂三维曲面加工的优势在微细与超精密仪器加工等领域有广泛的应用前景。然而微铣刀在超高转速下进行不连续切削,刀具磨破损迅速且难于监测,严重影响加工精度与产品质量,准确预测刀具磨破损是微铣削加工中的核心问题。
在刀具磨损检测技术方面,研究者们对微铣刀磨损进行了大量实验研究和理论分析,建立了多种磨损预测方法/模型,并刀具磨损量引入微铣削力学模型中,建立考虑磨损的铣削力模型,用于预判刀具磨损程度、预测刀具剩余使用寿命。但在实际生产过程中,仍存在一些问题亟待解决:
首先,加工过程中微铣刀的磨损状态难以观测,导致无法判断刀具剩余使用寿命;其次,现有的微铣削磨损预测模型/方法大多针对单一的加工材料,不同加工材料之间的模型不具备通用性,缺乏统一的普适性磨损预测模型/方法;最后,现有的加工参数优化方法大多根据加工后的表面质量,通过实验进行定性优化,尚缺乏定量的加工参数优化模型。
发明内容
本发明为克服现有技术的不足之处,提供一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法,以期能在加工参数、切削长度和加工材料变化时,准确预测刀具磨损、判断刀具剩余使用寿命和优化加工参数,从而提升加工效率和加工质量。
为实现上述目的,本发明提供如下技术方案:
本发明一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法的特点在于,包括以下步骤:
步骤1、根据微铣削加工参数、材料加工性能和切削长度,分别建立包含未知参数的微铣刀具磨损模型,包括:月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB;
步骤2、根据实验得到的微铣刀磨损数据,包括:前刀面月牙洼磨损值、后刀面磨损值和径向磨损值,采用数值方法分别标定所述微铣刀具磨损模型中的参数;
步骤3、将标定的参数分别代入步骤1中的磨损模型中,得到标定后的微铣刀磨损模型,用于微铣削过程中刀具磨损预测;
本发明所述的一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法的特点也在于,利用式(1)建立步骤1中的包含未知参数的微铣刀具磨损模型:
式(1)中,SKT、SVB和SNB分别表示月牙洼磨损模型、后刀面磨损模型和径向磨损模型,kKT, kVB和kNB分别表示与月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB相关的修正系数,f1KT(υ,ap,ft),f1VB(υ,ap,ft),f1NB(υ,ap,ft)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与加工参数有关的函数,并有:
式(2)中,υ为微铣刀切削速度,ap为切削深度,ft为每齿进给量,a1KT、a2KT、a3KT表示月牙洼磨损模型SKT中与加工参数有关的系数,a1VB、a2VB、a3VB表示后刀面磨损模型SVB中与加工参数有关的系数;a1NB、a2NB、a3NB表示径向磨损模型SNB中与加工参数有关的系数;
式(1)中,f2KT(l),f2VB(l),f2NB(l)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与铣刀切削长度有关的函数,并有:
式(3)中,l为加工过程中的切削长度,b1KT,b2KT,b3KT分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与切削长有关的系数;
式(1)中,f3KT(σs,HRC),f3VB(σs,HRC),f3NB(σs,HRC)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与被加工材料切削性能有关的函数,并有:
式(4)中,σs为材料屈服应力,HRC为材料洛氏硬度,c1KT、c2KT表示月牙洼磨损模型SKT中与材料切削性能有关的系数,c1VB、c2VB表示后刀面磨损模型SVB中与材料切削性能有关的系数,c1NB、c2NB表示径向磨损模型SNB中与材料切削性能有关的系数。
所述的步骤4中刀具磨钝标准为满足加工精度前提下,刀具可容许的最大磨损量。
步骤4中的微铣削参数的优化目标如式(5)所示,约束条件如式(6)所示:
min(SKT,SVB,SNB) (5)
式(6)中,SKTmax,SVBmax和SNBmax分别为月牙洼磨损、后刀面磨损和径向磨损的最大磨损量即磨钝标准。
与现有技术相比,本发明的有益效果是:
1、本发明通过建立微铣刀具磨损模型,并进行加工参数的优化,从而可以预测微铣刀具磨损状态并预测刀具剩余寿命,进而为保证加工质量提供了可行的理论方法。
2、本发明通过建立微铣刀具磨损模型可以对加工不同材料时的刀具磨损情况进行预测,提高了磨损模型的通用性,避免了因加工不同材料而导致刀具磨损预测不准确的不足。
3、本发明可以得到通用的微铣刀磨损预测模型,不仅为不同工况、不同加工材料下预测刀具磨损状态提供了可行的技术依托,也为分析刀具磨损机理、延长刀具使用寿命、优化铣削参数、提升加工效率奠定了科学的理论依据。
附图说明
图1是本发明微铣刀磨损示意图;
图2是本发明预测微铣刀磨损的流程图;
图3是本发明优化微铣削加工参数的流程图。
具体实施方式
本实施例中,一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法,是采用理论和实验相结合的方法,确定了微细削过程中微铣削刀具磨损量与加工参数、铣刀切削长度和材料加工性能的定量关系,实现了微铣削刀具磨损的预测和加工参数的优化。首先,根据微铣削加工参数、材料加工性能和铣刀切削长度,建立包含未知参数的刀具磨损模型;其次,根据实验得到的微铣刀磨损数据,采用数值方法标定刀具磨损模型中的参数;最后,利用微铣刀磨损模型,不仅可以预测刀具磨损状态、判断剩余使用寿命,还可以优化铣削参数,从而克服了传统上同一模型在加工不同材料时难以准确预测刀具磨损的缺点,实现了微铣刀在加工过程中的磨损预测,避免了因无法预测刀具磨损而导致刀具失效、降低了加工质量的不足。具体的说,如图2所示,该方法包括以下步骤:
(1)根据微铣削加工参数、材料加工性能和切削长度,分别建立包含未知参数的微铣刀具磨损模型,包括:刀月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB,包括以下步骤:
I)根据微铣削的特点,利用式(1)建立包含未知参数的微铣刀具磨损模型:
式(1)中,SKT、SVB和SNB分别为月牙洼磨损模型、后刀面磨损模型和径向磨损模型,kKT, kVB和kNB分别为三个磨损模型的修正系数,f1KT(υ,ap,ft),f1VB(υ,ap,ft),f1NB(υ,ap,ft)分别表示三个磨损模型中与加工参数有关的函数,f2KT(l),f2VB(l),f2NB(l)分别表示三个磨损模型中与铣刀切削长度有关的函数,f3KT(σs,HRC),f3VB(σs,HRC),f3NB(σs,HRC)分别表示三个磨损模型中与被加工材料切削性能有关的函数。
a)微铣削过程中,影响刀具磨损的加工参数主要为铣刀切削速度、切削深度和每齿进给量。为分析加工参数对磨损的影响,这里采用类比法,根据切削力指数公式,利用式(2)建立加工参数对刀具磨损影响关系的函数:
式(2)中,υ为微铣刀切削速度,ap为切削深度,ft为每齿进给量,a1KT、a2KT、a3KT,a1VB、a2VB、a3VB,a1NB、a2NB、a3NB分别为三个磨损模型中加工参数有关的系数;
b)在切削过程中,切削长度对刀具的磨损是显而易见,随着切削的进行,刀具将不断的磨损直至失效。铣刀切削长度对磨损的影响函数如下式(3):
式(3)中,l为加工过程中的切削长度,b1KT,b2KT,b3KT分别为三个磨损模型中与切削长有关的系数。
c)在切削过程中,被切削材料的加工性能对刀具的磨损具有重要的影响。影响工件材料切削性能的因素很多,如材料的物化性能、化学成分以及加工条件等。这里以材料的硬度和屈服应力为例,利用式(4)建立材料加工性能对刀具磨损的影响函数:
式(4)中,σs为材料屈服应力,HRC为材料洛氏硬度,c1KT、c2KT,c1VB、c2VB,c1NB、c2NB分别为三个磨损模型中材料切削性能有关的系数。
d)当实际加工条件与所求的刀具磨损公式的条件不符时,各种因素对刀具磨损的影响需要进行修正。因此,这里采用修正系数kKT,kVB和kNB分别表示各种因素对刀具月牙洼磨损模型、后刀面磨损模型和径向磨损模型的修正系数乘积。
(2)根据实验得到的微铣刀磨损数据(前刀面月牙洼磨损值、后刀面磨损值和径向磨损值),采用数值方法分别标定所述微铣刀具磨损模型中的参数,包括以下步骤:
1)合理设计铣削实验,通过实验测量并记录刀具磨损数值。
在微铣削过程中,刀具磨损指标值较多,这里采用前刀面月牙洼磨损深度KT、后刀面磨损宽度VB,径向磨损量NB作为刀具的磨损指标,如图1所示。
2)利用得到的磨损数值,采用数值方法标定出式(5)中的未知参数。
根据磨损数值,分别对月牙洼磨损、后刀面磨损,径向磨损进行数值拟合,标定参数,得到标定后的磨损模型,即:
(3)利用标定后的微铣刀磨损模型,实现微铣削过程中刀具磨损预测,包括以下步骤:
1)根据刀具磨损的定量表达式(5),根据预设的加工条件,即在式(5)中输入微铣刀切削速度υ,切削深度ap,每齿进给量ft,切削长度l,被加工材料屈服应力σs和洛氏硬度HRC,计算出刀具磨损值,实现刀具磨损预测。
(4)在前述步骤的基础上,将月牙洼磨损、后刀面磨损和径向磨损的整体最小化作为目标函数,以刀具磨钝标准为约束条件,实现微铣削加工参数的优化,如图3所示,包括以下步骤:
1)将月牙洼磨损、后刀面磨损和径向磨损的整体最小化作为目标函数,即式(6)中SKT,SVB和SNB最小化:
min(SKT,SVB,SNB) (6)
式(7)中,SKTmax,SVBmax和SNBmax分别为月牙洼磨损、后刀面磨损和径向磨损的最大磨损量即磨钝标准。
需要指出,刀具磨钝标准既可以参考相关手册(如金属切削手册),也可以通过实验测量。此外,在参数优化过程中,为保证加工质量,也可以将工件表面形貌(粗糙度)作为一个附件的优化目标。
本发明可以确定微铣刀磨损与加工参数、材料加工性能和切削长度的定量关系,从而克服了传统上同一模型在加工不同材料时难以准确预测刀具磨损的缺点,实现了微铣刀在加工过程中的磨损预测,避免了测量刀具磨损时重复安装、卸载刀具引起累计误差的弊端,改善了因无法预测刀具磨损而导致刀具失效、降低了加工质量的不足,实现了加工参数的优化,为预测刀具磨损状态、预判刀具剩余寿命奠定理论支撑,为提高质量加工提供了科学依据。
Claims (1)
1.一种用于平头微铣削刀具磨损预测和加工参数优化的通用方法,其特征在于,包括以下步骤:
步骤1、根据微铣削加工参数、材料加工性能和切削长度,利用式(1)分别建立包含未知参数的微铣刀具磨损模型,包括:月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB;
式(1)中,SKT、SVB和SNB分别表示月牙洼磨损模型、后刀面磨损模型和径向磨损模型,kKT,kVB和kNB分别表示与月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB相关的修正系数,f1KT(υ,ap,ft),f1VB(υ,ap,ft),f1NB(υ,ap,ft)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与加工参数有关的函数,并有:
式(2)中,υ为微铣刀切削速度,ap为切削深度,ft为每齿进给量,a1KT、a2KT、a3KT表示月牙洼磨损模型SKT中与加工参数有关的系数,a1VB、a2VB、a3VB表示后刀面磨损模型SVB中与加工参数有关的系数;a1NB、a2NB、a3NB表示径向磨损模型SNB中与加工参数有关的系数;
式(1)中,f2KT(l),f2VB(l),f2NB(l)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与铣刀切削长度有关的函数,并有:
式(3)中,l为加工过程中的切削长度,b1KT,b2KT,b3KT分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与切削长有关的系数;
式(1)中,f3KT(σs,HRC),f3VB(σs,HRC),f3NB(σs,HRC)分别表示月牙洼磨损模型SKT、后刀面磨损模型SVB和径向磨损模型SNB中与被加工材料切削性能有关的函数,并有:
式(4)中,σs为材料屈服应力,HRC为材料洛氏硬度,c1KT、c2KT表示月牙洼磨损模型SKT中与材料切削性能有关的系数,c1VB、c2VB表示后刀面磨损模型SVB中与材料切削性能有关的系数,c1NB、c2NB表示径向磨损模型SNB中与材料切削性能有关的系数;
步骤2、根据实验得到的微铣刀磨损数据,包括:前刀面月牙洼磨损值、后刀面磨损值和径向磨损值,采用数值方法分别标定所述微铣刀具磨损模型中的参数;
步骤3、将标定的参数分别代入步骤1中的磨损模型中,得到标定后的微铣刀磨损模型,用于微铣削过程中刀具磨损预测;
步骤4、以月牙洼磨损、后刀面磨损和径向磨损的整体最小化作为目标函数,以刀具磨钝标准为约束条件,从而对微铣削加工参数进行优化,得到最优加工参数υ*,和ft *;其中,刀具磨钝标准为满足加工精度前提下,刀具可容许的最大磨损量;
微铣削参数的优化目标如式(5)所示,约束条件如式(6)所示:
min(SKT,SVB,SNB) (5)
式(6)中,SKTmax,SVBmax和SNBmax分别为月牙洼磨损、后刀面磨损和径向磨损的最大磨损量即磨钝标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330143.8A CN111007800B (zh) | 2019-12-20 | 2019-12-20 | 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330143.8A CN111007800B (zh) | 2019-12-20 | 2019-12-20 | 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111007800A CN111007800A (zh) | 2020-04-14 |
CN111007800B true CN111007800B (zh) | 2020-10-30 |
Family
ID=70117513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911330143.8A Active CN111007800B (zh) | 2019-12-20 | 2019-12-20 | 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007800B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036661B (zh) * | 2020-09-10 | 2023-11-21 | 南京工程学院 | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 |
CN115082433B (zh) * | 2022-07-21 | 2022-12-09 | 深圳市信润富联数字科技有限公司 | 微铣削刀工作参数确定方法、装置、电子设备及存储介质 |
CN116306010B (zh) * | 2023-04-07 | 2023-08-18 | 江苏大学 | 一种用于放大器的功耗数据特性分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699763A (zh) * | 2012-06-13 | 2012-10-03 | 哈尔滨理工大学 | 刀具磨损智能测量仪及测量方法 |
JP2018161698A (ja) * | 2017-03-24 | 2018-10-18 | 学校法人福岡工業大学 | 工具損耗推定方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105571629B (zh) * | 2015-12-15 | 2018-04-13 | 中国科学院合肥物质科学研究院 | 一种增材制造设备或工艺性能的测量方法 |
CN105893760B (zh) * | 2016-04-01 | 2018-11-16 | 北京航空航天大学 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
CN106156430B (zh) * | 2016-07-06 | 2019-04-05 | 大连理工大学 | 一种基于刀具磨损效应的微铣削力建模方法 |
CN106407526B (zh) * | 2016-09-05 | 2019-08-09 | 大连理工大学 | 一种微铣削过程刀具后刀面磨损预测方法 |
CN108038271B (zh) * | 2017-11-22 | 2020-05-19 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
US11066917B2 (en) * | 2018-05-10 | 2021-07-20 | Baker Hughes Holdings Llc | Earth-boring tool rate of penetration and wear prediction system and related methods |
CN109571141A (zh) * | 2018-11-01 | 2019-04-05 | 北京理工大学 | 一种基于机器学习的刀具磨损状态监测方法 |
CN110103079B (zh) * | 2019-06-17 | 2020-10-13 | 中国科学院合肥物质科学研究院 | 一种微铣削过程中刀具磨损的在线监测方法 |
-
2019
- 2019-12-20 CN CN201911330143.8A patent/CN111007800B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699763A (zh) * | 2012-06-13 | 2012-10-03 | 哈尔滨理工大学 | 刀具磨损智能测量仪及测量方法 |
JP2018161698A (ja) * | 2017-03-24 | 2018-10-18 | 学校法人福岡工業大学 | 工具損耗推定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111007800A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111007800B (zh) | 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 | |
Sarkar et al. | Modeling and optimization of wire electrical discharge machining of γ-TiAl in trim cutting operation | |
Gökkaya et al. | The effects of cutting tool geometry and processing parameters on the surface roughness of AISI 1030 steel | |
Korkmaz et al. | Experimental and statistical analysis on machinability of Nimonic80A superalloy with PVD coated carbide | |
CN107991995A (zh) | 基于工艺试验数据模型的钛合金数控铣削工艺参数优化方法 | |
Tlhabadira et al. | Process design and optimization of surface roughness during M200 TS milling process using the Taguchi method | |
Sivaiah et al. | Multi-objective optimisation of cryogenic turning process using Taguchi-based grey relational analysis | |
Boy et al. | Experimental investigation and modelling of surface roughness and resultant cutting force in hard turning of AISI H13 steel | |
Ince et al. | Effects of cutting tool parameters on surface roughness | |
CN104536385A (zh) | 一种数控机床加工程序的修正方法 | |
Rigatti et al. | Computational method for calculation of the specific cutting energy | |
CN113182567B (zh) | 一种数控铣削刀具快速试切及切削参数优选方法 | |
CN104128851B (zh) | 工程陶瓷螺纹加工方法 | |
İynen et al. | Investigation of the effect of cutting parameters on the surface roughness value in the machining of AISI 4140 steel with Taquchi method | |
CN111660145A (zh) | 一种降低金属加工成本的工具处理方法 | |
Durakbasa et al. | Surface roughness modeling with edge radius and end milling parameters on Al 7075 alloy using taguchi and regression methods | |
Xiuli et al. | Research on predictive model surface roughness in high speed milling for aluminum alloy 7050-T7451 | |
CN114918736A (zh) | 一种适用于难加工材料的智能工艺系统 | |
CN106020132B (zh) | 基于现场实测切削力数据与离线优化的粗加工进给速度优化方法 | |
Li et al. | Effect of cutter body geometry in Ti-6Al-4V face-milling process | |
Benghersallah et al. | Statistical characterisation of end milling of AISI 52100 annealed bearing steel | |
Oşan et al. | Processing of convex complex surfaces with toroidal milling versus ball nose end mill | |
Singh et al. | Optimization of machining parameters during CNC milling of Incoloy 800 | |
CN111230143B (zh) | 一种考虑工件振动的外圆车削时工件表面粗糙度计算方法 | |
Sobiyi et al. | Optimization in hard turning of martensitic stainless steel using Taguchi method |
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 |