CN117874991A - 一种基于残余应力分布的鲁棒性工艺参数域优化方法 - Google Patents
一种基于残余应力分布的鲁棒性工艺参数域优化方法 Download PDFInfo
- Publication number
- CN117874991A CN117874991A CN202310418929.5A CN202310418929A CN117874991A CN 117874991 A CN117874991 A CN 117874991A CN 202310418929 A CN202310418929 A CN 202310418929A CN 117874991 A CN117874991 A CN 117874991A
- Authority
- CN
- China
- Prior art keywords
- residual stress
- process parameter
- distribution
- depth
- formula
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 157
- 238000009826 distribution Methods 0.000 title claims abstract description 106
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000012776 robust process Methods 0.000 title claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 230000003746 surface roughness Effects 0.000 claims abstract description 52
- 239000002344 surface layer Substances 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001816 cooling Methods 0.000 claims abstract description 6
- 238000005520 cutting process Methods 0.000 claims description 57
- 230000035945 sensitivity Effects 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 36
- 239000010410 layer Substances 0.000 claims description 9
- 238000007514 turning Methods 0.000 claims description 9
- 238000002441 X-ray diffraction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 101150089047 cutA gene Proteins 0.000 claims description 5
- 238000010206 sensitivity analysis Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 2
- 238000005381 potential energy Methods 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 6
- 238000003754 machining Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910000601 superalloy Inorganic materials 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明一种基于残余应力分布的鲁棒性工艺参数域优化方法涉及加工工艺参数优化领域,具体涉及一种基于残余应力分布的鲁棒性工艺参数域优化方法,包括以下步骤:选定试验机床、加工方式、冷却方式及工艺参数,确定输出为表面粗糙度和表面残余应力,确定初选工艺参数范围,在该初选工艺参数取值范围内设计正交试验,对每组试验参数加工工件进行表面粗糙度和表面残余应力测试;本发明基于定积分原理提出一种基于残余应力分布的鲁棒性工艺参数域优化方法,使残余应力深度分布曲线与表层深度坐标轴围成图形的包络面积最大,保障残余应力深度分布曲线的平滑过渡,在表面几何形位精度要求的范围内,增大残余应力包络势能面积,进一步提高构件的疲劳性能。
Description
技术领域
本发明涉及加工工艺参数优化领域,具体涉及一种基于残余应力分布的鲁棒性工艺参数域优化方法。
背景技术
工件在制造过程中,将受到来自各种工艺等因素的作用与影响;当这些因素消失之后,若构件所受到的上述作用与影响不能随之而完全消失,仍有部分作用与影响残留在构件内,以残余应力的形式存在。而实际生产中,在表面尺寸形位精度满足工艺图纸要求的前提下,残余应力的分布与构件的疲劳性能密切相关。切削加工中残余应力的分布特征一般用表面残余应力、残余应力最大值、残余应力最大值所在深度、残余应力影响层深度表示,根据这四个特征以及残余应力不断衰减的变化趋势,结合能量守恒定律,本发明基于定积分原理提出一种基于残余应力分布的鲁棒性工艺参数域优化方法,使残余应力深度分布曲线与表层深度坐标轴围成图形的包络面积最大,以便于在表面几何形位精度要求的范围内,增大残余应力分布,进一步提高构件的疲劳性能。
发明内容
为了在几何形位精度满足工艺要求的条件下,增加残余应力分布,保证构件的疲劳性能,本发明提出一种基于残余应力分布的鲁棒性工艺参数域优化方法。
本发明一种基于残余应力分布的鲁棒性工艺参数域优化方法,包括以下步骤:
步骤1:选定试验机床、加工方式、冷却方式及工艺参数,确定输出特征为表面粗糙度和表面残余应力,确定初选工艺参数取值范围,并在该初选工艺参数取值范围内设计正交试验,对每组试验参数加工工件进行表面粗糙度和表面残余应力测试,得到测试数据;
步骤2:根据步骤1的测试数据,运用多元非线性回归方法建立工艺参数与表面粗糙度、表面残余应力之间的映射关系模型;
步骤3:根据步骤2的映射关系模型,通过灵敏度分析方法,确定表面粗糙度和表面残余应力变化不敏感的工艺参数域;
步骤4:采用X射线衍射法对加工工件不同深度处的残余应力进行测试,得到测试结果数据,根据测试结果数据建立残余应力余弦衰减函数分布预测模型,并建立工艺参数与模型控制因子参数之间的映射关系;
步骤5:对残余应力余弦衰减函数分布预测模型对应的残余应力余弦衰减分布函数进行定积分求解获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,以面积最大为目标,建立优化目标函数;
根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数;
步骤6:以工艺要求的表面粗糙度范围为约束条件,在步骤3获得的表面粗糙度和表面残余应力变化不敏感的工艺参数域中,求解所述面积S 1和S 2最大时的工艺参数域,即完成基于残余应力分布的鲁棒性工艺参数域优化。
优选地,工艺参数为切削速度v、进给量f、切削深度a p。
优选地,表面粗糙度和表面残余应力变化不敏感的工艺参数域确定方法如下:
(1)根据工艺参数与表面粗糙度之间的映射关系模型,计算表面粗糙度对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(2)根据工艺参数与表面残余应力之间的映射关系模型分别计算切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(3)将每个工艺参数在取值范围内划分为多个等间距的取值区间,计算每个取值区间内表面粗糙度、切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度变化幅值;
(4)根据(3)计算出的灵敏度变化幅值,计算每个参数的每个取值区间内灵敏度变化幅值的平均值,若取值区间内灵敏度变化幅值大于平均值,则该取值区间为敏感的工艺参数区间;若取值区间内灵敏度变化幅值小于平均值,则该区间为不敏感的工艺参数区间,确定出表面粗糙度和表面残余应力变化不敏感的工艺参数区间。
优选地,步骤4中残余应力余弦衰减函数分布预测模型及工艺参数与模型控制因子参数之间的映射关系建立方法如下:
根据测试结果数据得到残余应力深度分布曲线,对残余应力深度分布曲线中的残余应力值和深度值进行归一化处理,消除各表面状态指标间的量纲影响,然后采用式(4-1)所示的残余应力余弦衰减函数分布预测模型对每组切向残余应力和轴向残余应力的结果进行拟合,得到模型控制因子参数A、λ、ω、θ :
(4-1)
式中,A、λ、ω、θ为模型控制因子,σ 0为基体残余应力。
根据得到的模型控制因子参数运用多元非线性回归方法,得到工艺参数与模型控制因子参数之间的映射关系,如式(4-2)所示:
(4-2)
优选地,步骤5中,优化目标函数如(5-1)所示:
(5-1)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2,3, 4)为工艺参数与模型控制因子之间的映射关系,x i (i=1, 2, 3, 4)为工艺参数。
优选地,优化目标函数得到方法如下:
残余应力深度分布曲线满足式(5-2)所示的残余应力余弦衰减函数分布预测模型,对残余应力余弦衰减函数分布预测模型进行变换后可获得残余应力的变化量,表示为式(5-3),根据定积分的几何含义,横坐标表示残余应力影响层深度h,纵坐标表示残余应力σ,当残余应力影响层深度为l时,残余应力的梯度变化为与h=0、 h=l和h轴所围成的图形面积,因此,残余应力梯度变化在[0,l]上的定积分即为残余应力分布包络面积:
(5-2)
(5-3)
对残余应力的变化量在[0,l]上进行定积分求解,如式(5-4)所示:
(5-4)
根据复数域中指数函数的定义,转换为公式(5-5):
(5-5)
将式(5-5)代入式(5-4)中继续化简,可得式(5-6):
(5-6)
实际残余应力梯度分布仅考虑实数域内,故对上述残余应力梯度分布形成的包络面积的实部部分进行化简,即式(5-7):
(5-7)
当,故式(5-8)简化为:
(5-8)
根据上述分析,基于残余应力分布的鲁棒性工艺参数域优化的目标函数表示为(5-9):
(5-9)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2,3, 4)为工艺参数域模型控制因子之间的函数关系,x i (i=1, 2, 3, 4)为工艺参数。
优选地,步骤6中,根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数为:
(6-1)
式中,A 切、λ 切、ω 切、θ 切和A 轴、λ 轴、ω 轴、θ 轴分别为通过式(4-2)确定的艺参数与切向和轴向残余应力模型控制因子参数之间的映射关系。
残余压应力会提高疲劳裂纹的萌生和扩展寿命,而残余压应力包络面积越大,说明残余应力深度分布曲线越平滑,可有效控制表层残余应力松弛的梯度变化,进一步减小其对疲劳性能的影响。因此,本发明基于定积分原理提出一种基于残余应力分布的鲁棒性工艺参数域优化方法,使残余应力深度分布曲线与表层深度坐标轴围成图形的包络面积最大,保障残余应力深度分布曲线的平滑过渡,在表面几何形位精度要求的范围内,增大残余应力包络势能面积,进一步提高构件的疲劳性能。
附图说明
图1为本发明流程示意图。
图2为表面粗糙度对切削参数的灵敏度变化规律示意图。
图3为残余应力对切削参数的灵敏度变化规律示意图。
图4为余应力深度分布曲线示意图。
图5为残余应力分布包络面积示意图。
图6为对比实验表面粗糙度统计图。
图7为对比实验中2号和5号试件的残余应力深度分布示意图。
实施方式
本发明本发明一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,包括以下步骤:
步骤1:选定试验机床、加工方式、冷却方式及工艺参数,确定输出特征为表面粗糙度和表面残余应力,确定初选工艺参数取值范围,并在该初选工艺参数取值范围内设计正交试验,对每组试验参数加工工件进行表面粗糙度和表面残余应力测试,得到测试数据;
步骤2:根据步骤1的测试数据,运用多元非线性回归方法建立工艺参数与表面粗糙度、表面残余应力之间的映射关系模型;
步骤3:根据步骤2的映射关系模型,通过灵敏度分析方法,确定表面粗糙度和表面残余应力变化不敏感的工艺参数域;
步骤4:采用X射线衍射法对加工工件不同深度处的残余应力进行测试,得到测试结果数据,根据测试结果数据建立残余应力余弦衰减函数分布预测模型,并建立工艺参数与模型控制因子参数之间的映射关系;
步骤5:对残余应力余弦衰减函数分布预测模型对应的残余应力余弦衰减分布函数进行定积分求解,获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,以面积最大为目标,建立优化目标函数;
根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数;
步骤6:以工艺要求的表面粗糙度范围为约束条件,在步骤3获得的表面粗糙度和表面残余应力变化不敏感的工艺参数域中,求解所述面积S 1和S 2最大时的工艺参数域,即完成基于残余应力分布的鲁棒性工艺参数域优化。
工艺参数为切削速度v、进给量f、切削深度a p。
表面粗糙度和表面残余应力变化不敏感的工艺参数域确定方法如下:
(1)根据工艺参数与表面粗糙度之间的映射关系模型,计算表面粗糙度对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(2)根据工艺参数与表面残余应力之间的映射关系模型分别计算切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(3)将每个工艺参数在取值范围内划分为多个等间距的取值区间,计算每个取值区间内表面粗糙度、切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度变化幅值;
(4)根据(3)计算出的灵敏度变化幅值,计算每个参数的每个取值区间内灵敏度变化幅值的平均值,若取值区间内灵敏度变化幅值大于平均值,则该取值区间为敏感的工艺参数区间;若取值区间内灵敏度变化幅值小于平均值,则该区间为不敏感的工艺参数区间,确定出表面粗糙度和表面残余应力变化不敏感的工艺参数区间。
步骤4中残余应力余弦衰减函数分布预测模型及工艺参数与模型控制因子参数之间的映射关系建立方法如下:
根据测试结果数据得到残余应力深度分布曲线,对残余应力深度分布曲线中的残余应力值和深度值进行归一化处理,消除各表面状态指标间的量纲影响,然后采用式(4-1)所示的残余应力余弦衰减函数分布预测模型对每组切向残余应力和轴向残余应力的结果进行拟合,得到的模型控制因子参数A、λ、ω、θ:
(4-1)
式中,A、λ、ω、θ为模型控制因子,σ 0为基体残余应力;
根据得到的模型控制因子参数运用多元非线性回归方法,得到工艺参数与模型控制因子参数之间的映射关系,如式(4-2)所示;
(4-2)
优选地,步骤5中,优化目标函数为:
(5-1)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2,3, 4)为工艺参数与模型控制因子之间的映射关系,x i (i=1, 2, 3, 4)为工艺参数。
优化目标函数得到方法如下:
残余应力深度分布曲线满足式(5-2)所示的残余应力余弦衰减函数分布预测模型,对残余应力余弦衰减函数分布预测模型进行变换后可获得残余应力的变化量,表示为式(5-3),根据定积分的几何含义,横坐标表示残余应力影响层深度h,纵坐标表示残余应力σ,当残余应力影响层深度为l时,残余应力的梯度变化为与h=0、 h=l和h轴所围成的图形面积,因此,残余应力梯度变化在[0,l]上的定积分即为残余应力分布包络面积:
(5-2)
(5-3)
对残余应力的变化量在[0,l]上进行定积分求解,如式(5-4)所示:
(5-4)
根据复数域中指数函数的定义,转换为公式(5-5):
(5-5)
将式(5-5)代入式(5-4)中继续化简,可得式(5-6):
(5-6)
实际残余应力梯度分布仅考虑实数域内,故对上述残余应力梯度分布形成的包络面积的实部部分进行化简,即式(5-7):
(5-7)
当,故式(5-7)简化为式(5-8):
(5-8)
根据上述分析,基于残余应力分布的鲁棒性工艺参数域优化的目标函数表示为(5-9):
(5-9)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2,3, 4)为工艺参数域模型控制因子之间的函数关系,x i (i=1, 2, 3, 4)为工艺参数。
步骤6中,根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数为:
(6-1)
式中,A 切、λ 切、ω 切、θ 切和A 轴、λ 轴、ω 轴、θ 轴分别为通过式(4-2)确定的工艺参数与切向和轴向残余应力模型控制因子参数之间的映射关系。
实施例
一种基于残余应力分布的鲁棒性工艺参数域优化方法,包括以下步骤:
步骤1:选定试验机床、加工方式、冷却方式及工艺参数,确定输出特征为表面粗糙度和表面残余应力,确定初选工艺参数取值范围,并在该初选工艺参数取值范围内设计正交试验,对每组试验参数加工工件进行表面粗糙度和表面残余应力测试,得到测试数据;
步骤1.1 在选定的试验机床、加工方式、以及冷却方法条件下,确定本发明研究的应用材料为GH4169高温合金,工艺为车削加工,工艺参数为切削速度v、进给量f、切削深度a p;
步骤1.2确定本发明中研究的输出特征为表面粗糙度R a ;表面残余应力σ r ;
步骤1.3 确定初选试验参数范围为切削速度v=40~70m/min,进给量f=0.1~0.4mm/z,切削深度a p =0.2~0.5mm;刀具为PVD涂层硬质合金,乳化液冷却;
步骤1.4 在初选试验参数范围内按照如表1所示的三因素四水平进行正交试验设计,具体试验组设计如表2所示;
表1正交试验因素表(硬质合金刀片)
步骤1.5 按照正交试验设计表完成车削试验,并对加工表面进行残余应力和表面粗糙度测试;
表2正交试验设计及测试结果
步骤2:根据表2测试数据,建立工艺参数与表面粗糙度、表面残余应力之间的映射关系模型;
步骤2.1 运用多元非线性回归方法,建立工艺参数与表面粗糙度之间的映射关系模型,见式(2-1):
(2-1)
步骤2.2 运用多元非线性回归方法,建立工艺参数与表面残余压应力之间的映射关系模型,见式(2-2):
(2-2)
步骤3:通过灵敏度分析方法确定表面粗糙度和表面残余应力变化不敏感的工艺参数域;
步骤3.1 通过公式(2-1),计算表面粗糙度对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律如图2所示;
步骤3.2 通过公式(2-2),分别计算切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律,如图3所示,轴向残余应力对切削速度、进给量、切削深度的敏感程度大于切向残余应力;
步骤3.3 计算每个参数区间内表面粗糙度、两个方向的表面残余应力对切削速度、进给量、切削深度的灵敏度变化幅值,结果如表3所示;
表3 灵敏度分析结果
步骤3.4 计算每个参数区间内灵敏度变化幅值的平均值,确定出表面粗糙度和表面残余应力变化不敏感的工艺参数区间,结果如表4所示;
表4 灵敏度变化幅值及稳定参数域分析结果
步骤4:根据测试数据结果建立残余应力余弦衰减函数分布预测模型,并建立工艺参数与模型控制因子参数之间的映射关系;
步骤4.1 采用X射线衍射法对残余应力进行测量;表层残余应力测试首先采用电解抛光机对试样对试样进行腐蚀剥层,然后再采用X射线衍射法对残余应力进行测量,采用每次剥层厚度由电解时间、电压和电流控制,测试获得的残余应力深度分布曲线如图4所示;
步骤4.2 对图3获得的残余应力值和深度值进行归一化处理,消除各表面状态指标间的量纲影响,并对每组残余应力各个方向的结果采用公式(4-1)进行拟合,得到的模型参数如表5所示:
(4-1)
表5 模型参数
步骤4.3 运用多元非线性回归,建立模型参数与工艺参数之间的关系模型,如式(4-2)~(4-9)所示:
步骤5:对残余应力余弦衰减函数分布预测模型进行定积分求解获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,以面积最大为目标,建立优化目标函数;
步骤5.1 对残余应力余弦衰减分布函数进行定积分求解获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,
残余应力的分布关注表面残余应力、残余应力最大值、残余应力最大值所在深度和残余应力影响层深度,根据这四个特征以及残余应力不断衰减的变化趋势,提出根据定积分求解方法获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,式(5-1)所示为残余应力预测模型,残余应力的变化量可表示为式(5-2)。
根据定积分的几何含义,如图5所示,横坐标表示残余应力影响层深度h,纵坐标表示残余应力σ,当残余应力影响层深度为l时,残余应力的梯度变化可理解为与h=0、 h=l和h轴所围成的图形面积。
因此,残余应力梯度变化在[0, l]上的定积分即为要求解的残余应力分布包络面积:
(5-2)
(5-3)
对残余应力的变化量在[0,l]上进行定积分求解,如式(5-4)所示:
(5-4)
根据复数域中指数函数的定义,转换为公式(5-5):
(5-5)
将式(5-5)代入式(5-4)中继续化简,可得式(5-6):
(5-6)
实际残余应力梯度分布仅考虑实数域内,故对上述残余应力梯度分布形成的包络面积的实部部分进行化简,即式(5-7):
(5-7)
当,故式(5-7)简化为式(5-8):
(5-8)
根据上述分析,基于残余应力分布的鲁棒性工艺参数域优化的目标函数表示为(5-9):
(5-9)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2,3, 4)为工艺参数域模型控制因子之间的函数关系,x i (i=1, 2, 3, 4)为工艺参数。
步骤5.2 基于上式(5-9)分别计算GH4169车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数如式(6-1)所示:
(6-1)
式中,A、λ、ω、θ通过式(4-2)~(4-9)计算。
步骤6:以工艺要求的表面粗糙度范围为约束条件,在步骤3获得的表面粗糙度和表面残余应力变化不敏感的工艺参数域中,完成基于残余应力分布的鲁棒性工艺参数域优化。
步骤6.1 保证切削加工要求的表面粗糙度不大于1.5μm,在变化不敏感的工艺参数域内保证加工试样表面精度满足加工要求,建立基于残余应力分布的鲁棒性工艺参数域优化约束条件如式(6-2)所示:
(6-2)
步骤6.2 在Matlab中采用遗传优化算法进行求解,获得基于残余应力分布的鲁棒性工艺参数域为:v=66.11174m/min,f=0.358163mm/r,a p=0.319274mm.
验证:在优化获得的鲁棒性工艺参数域和常规加工工艺参数域内设计工艺试验,对比表面粗糙度,以及残余应力深度分布曲线与横坐标代表的表层深度所围成的面积;
步骤7.1:工艺试验设计如表6所示,常规工艺参数为C0,鲁棒性优化工艺参数为C1,当参数波动±5%时,对比分析表面粗糙度的结果和波动范围,如图6所示,优化参数加工的表面粗糙度波动范围为0.1μm,常规参数的波动范围为0.3μm;
表6 对比试验设计
步骤7.2 对2和5号加工的残余应力进行测试,结果如图7所示;残余应力深度分布曲线与表层深度所围成的图形面积大于常规参数,计算获得的残余应力分布曲线包围面积如表7所示:
表7 残余应力深度分布图
。/>
Claims (7)
1.一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,包括以下步骤:
步骤1:选定试验机床、加工方式、冷却方式及工艺参数,确定输出特征为表面粗糙度和表面残余应力,确定初选工艺参数取值范围,并在该初选工艺参数取值范围内设计正交试验,对每组试验参数加工工件进行表面粗糙度和表面残余应力测试,得到测试数据;
步骤2:根据步骤1的测试数据,运用多元非线性回归方法建立工艺参数与表面粗糙度、表面残余应力之间的映射关系模型;
步骤3:根据步骤2的映射关系模型,通过灵敏度分析方法,确定表面粗糙度和表面残余应力变化不敏感的工艺参数域;
步骤4:采用X射线衍射法对加工工件不同深度处的残余应力进行测试,得到测试结果数据,根据测试结果数据建立残余应力余弦衰减函数分布预测模型,并建立工艺参数与模型控制因子参数之间的映射关系;
步骤5:对残余应力余弦衰减函数分布预测模型对应的残余应力余弦衰减分布函数进行定积分求解获得残余应力深度分布曲线与横坐标代表的表层深度所围成的面积积分公式,以面积最大为目标,建立优化目标函数;
根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数;
步骤6:以工艺要求的表面粗糙度范围为约束条件,在步骤3获得的表面粗糙度和表面残余应力变化不敏感的工艺参数域中,求解所述面积S 1和S 2最大时的工艺参数域,即完成基于残余应力分布的鲁棒性工艺参数域优化。
2.如权利要求1所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述工艺参数为切削速度v、进给量f、切削深度a p。
3.如权利要求2所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述表面粗糙度和表面残余应力变化不敏感的工艺参数域确定方法如下:
(1)根据工艺参数与表面粗糙度之间的映射关系模型,计算表面粗糙度对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(2)根据工艺参数与表面残余应力之间的映射关系模型分别计算切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度,获得灵敏度变化规律;
(3)将每个工艺参数在取值范围内划分为多个等间距的取值区间,计算每个取值区间内表面粗糙度、切向和轴向的表面残余应力对切削速度、进给量、切削深度的灵敏度变化幅值;
(4)根据(3)计算出的灵敏度变化幅值,计算每个参数的每个取值区间内灵敏度变化幅值的平均值,若取值区间内灵敏度变化幅值大于平均值,则该取值区间为敏感的工艺参数区间;若取值区间内灵敏度变化幅值小于平均值,则该区间为不敏感的工艺参数区间,确定出表面粗糙度和表面残余应力变化不敏感的工艺参数区间。
4.如权利要求3所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述步骤4中残余应力余弦衰减函数分布预测模型及工艺参数与模型控制因子参数之间的映射关系建立方法如下:
根据测试结果数据得到残余应力深度分布曲线,对残余应力深度分布曲线中的残余应力值和深度值进行归一化处理,消除各表面状态指标间的量纲影响;然后采用式(4-1)所示的残余应力余弦衰减函数分布预测模型对每组切向残余应力和轴向残余应力的结果进行拟合,得到模型控制因子参数A、λ、ω、θ:
(4-1)
式中,A、λ、ω、θ为模型控制因子,σ 0为基体残余应力;
根据得到的模型控制因子参数运用多元非线性回归方法,得到工艺参数与模型控制因子参数之间的映射关系,如式(4-2)所示:
(4-2)。
5. 如权利要求4所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述步骤5中,优化目标函数如(5-1)所示:
(5-1)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2, 3, 4)为工艺参数与模型控制因子之间的映射关系,x i (i=1, 2, 3, 4)为工艺参数。
6.如权利要求5所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述优化目标函数得到方法如下:
残余应力深度分布曲线满足式(5-2)所示的残余应力余弦衰减函数分布预测模型,对残余应力余弦衰减函数分布预测模型进行变换后可获得残余应力的变化量,表示为式(5-3),根据定积分的几何含义,横坐标表示残余应力影响层深度h,纵坐标表示残余应力σ,当残余应力影响层深度为l时,残余应力的梯度变化为与h=0、 h=l和h轴所围成的图形面积,因此,残余应力梯度变化在[0,l]上的定积分即为残余应力分布包络面积:
(5-2)
(5-3)
对残余应力的变化量在[0,l]上进行定积分求解,如式(5-4)所示:
(5-4)
根据复数域中指数函数的定义,转换为公式(5-5):
(5-5)
将式(5-5)代入式(5-4)中继续化简,可得式(5-6):
(5-6)
实际残余应力梯度分布仅考虑实数域内,故对上述残余应力梯度分布形成的包络面积的实部部分进行化简,即式(5-7):
(5-7)
当,故式(5-7)简化为式(5-8):
(5-8)
根据上述分析,基于残余应力分布的鲁棒性工艺参数域优化的目标函数表示为(5-9):
(5-9)
式中,A、λ、ω、θ为余弦衰减函数残余应力预测模型的模型控制因子,g i (i=1, 2, 3, 4)为工艺参数域模型控制因子之间的映射关系,x i (i=1, 2, 3, 4)为工艺参数。
7. 如权利要求6所述一种基于残余应力分布的鲁棒性工艺参数域优化方法,其特征在于,所述步骤6中,根据优化目标函数分别计算车削加工切向和轴向的残余应力深度分布曲线与横坐标代表的表层深度所围成的面积S 1和S 2,即建立基于残余应力分布的鲁棒性工艺参数域优化的目标函数为:
(6-1)
式中,A 切、λ 切、ω 切、θ 切和A 轴、λ 轴、ω 轴、θ 轴分别为通过式(4-2)确定的工艺参数与切向和轴向残余应力模型控制因子参数之间的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418929.5A CN117874991A (zh) | 2023-04-19 | 2023-04-19 | 一种基于残余应力分布的鲁棒性工艺参数域优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418929.5A CN117874991A (zh) | 2023-04-19 | 2023-04-19 | 一种基于残余应力分布的鲁棒性工艺参数域优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117874991A true CN117874991A (zh) | 2024-04-12 |
Family
ID=90587176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310418929.5A Pending CN117874991A (zh) | 2023-04-19 | 2023-04-19 | 一种基于残余应力分布的鲁棒性工艺参数域优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117874991A (zh) |
-
2023
- 2023-04-19 CN CN202310418929.5A patent/CN117874991A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sonawane et al. | Optimization of machining parameters of WEDM for Nimonic-75 alloy using principal component analysis integrated with Taguchi method | |
Pawade et al. | Multi-objective optimization of surface roughness and cutting forces in high-speed turning of Inconel 718 using Taguchi grey relational analysis (TGRA) | |
Pawade et al. | Effect of machining parameters and cutting edge geometry on surface integrity of high-speed turned Inconel 718 | |
El-Taweel et al. | Analysis and optimization of the ball burnishing process through the Taguchi technique | |
Kuram et al. | Micro-milling performance of AISI 304 stainless steel using Taguchi method and fuzzy logic modelling | |
Geethapriyan et al. | Influence of process parameters on machinability of Inconel 718 by electrochemical micromachining process using TOPSIS technique | |
Ghodsiyeh et al. | Multi-objective process optimization of wire electrical discharge machining based on response surface methodology | |
Dikshit et al. | Machining characteristics and optimization of process parameters in die-sinking EDM of Inconel 625 | |
CN109277883B (zh) | 基于切削加工参数权重的超高强钛合金粗糙度预测方法 | |
Ezilarasan et al. | Modeling and analysis of surface roughness on machining of Nimonic C-263 alloy by PVD coated carbide insert | |
Aouici et al. | Surface roughness evaluation of various cutting materials in hard turning of AISI H11 | |
Azizi et al. | Design optimization in hard turning of E19 alloy steel by analysing surface roughness, tool vibration and productivity | |
Singaravel et al. | Application of Taguchi method for optimization of parameters in turning operation | |
Venkateshwar Reddy et al. | Multi-response optimization in machining Inconel-625 by abrasive water jet machining process using WASPAS and MOORA | |
Belloufi et al. | Experimental and predictive study by multi-output fuzzy model of electrical discharge machining performances | |
Khan et al. | Experimental analysis and investigation of machining parameters in finish hard turning of AISI 4340 steel | |
CN113894333B (zh) | 钛合金薄壁结构精密铣削表面状态稳健性工艺控制方法 | |
Do Duc et al. | Surface roughness prediction in CNC hole turning of 3X13 steel using support vector machine algorithm | |
Fayzimatov et al. | Ensure the quality of the surface layer of parts in high-speed end milling of hardened steels | |
Vukelic et al. | Modelling surface roughness in finish turning as a function of cutting tool geometry using the response surface method, Gaussian process regression and decision tree regression | |
Zhang et al. | Machining parameter optimisation for aviation aluminium-alloy thin-walled parts in high-speed milling | |
CN117874991A (zh) | 一种基于残余应力分布的鲁棒性工艺参数域优化方法 | |
Selvarajan et al. | Testing and Evaluation of the Spark Erosion Parameter for Machining Intermetallic Ceramic Composite for Enhancing Drilled Hole Accuracy | |
CN117852240A (zh) | 一种工艺参数优化方法及应用 | |
Madival et al. | Application potential of Fuzzy and regression in optimization of MRR and surface roughness during machining of C45 steel |
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 |