预测和分类钻孔的毛刺钻孔切削ANN预测
Posted studyer_domi
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了预测和分类钻孔的毛刺钻孔切削ANN预测相关的知识,希望对你有一定的参考价值。
1、内容简介
略
502-可以交流、咨询、答疑
2、内容说明
5.使用毛刺控制图对毛刺类型进行分类
根据Ernst和Merchant的剪切平面模型(图4,右图),正交切割的总推力(F t)可以表示为(Merchant 1945)(2)
其中W是切口的宽度,k是工件的剪切强度。
如果假定钻头的切削刃分为小段,则施加在每个段上的推力为(3)
其中t0 =(˚F /2)罪κ为麻花钻,2 κ是钻头的点角,和ΔW是段的长度成比例的从所述钻头中心向所述段或所述钻头的距离直径d。
然后,总推力可以表示为(4)
其中H是钻头的螺旋角,δ是腹板厚度与钻头直径的比率。
直接影响毛刺形成机理的有效应力σ可以用F t表示(Kim和Dornfeld 2001):(5)
其中A是有效切割面积。
因此,对于指定的钻头几何形状和工件材料,归一化进给速度(f / d)是决定钻头毛刺形成的主要参数。另外,切削速度在表示切削条件方面具有一定的作用,包括钻孔过程中产生的热量.
公式(6)定义了毛刺控制图的变量(由Kim和Dornfeld(2000)建议),这些变量代表上述切削条件(进给速度和RPM)。以归一化进给速度为自变量,在相应的切削条件下生成的毛刺类型将在图表中显示,并可以进行分类检查。
(6)
其中F n是无量纲的进给参数,f是进给速度[mm / rev],d是钻头直径[mm],S是切削速度参数,N是主轴转速[RPM],K是一个常数,使两个参数的阶数相等(10 -5)。
图5显示了铜和黄铜实验中的毛刺控制图(表2(b)-(e)),用于对钻削毛刺类型进行分类。如微型钻探案例的结果所示,I型和II型(A型)毛刺之间没有明确的界限,它们具有相似的生成机理。相反,III型(B型)毛刺是在不同的加工条件下生产的。因此,每种材料的边界线(类型A和类型B之间)以F n和S(实线)近似。在黄铜工件中,随着进给速度和RPM值的增加,会产生B型毛刺。另一方面,在铜工件中,B型毛刺主要观察到较高的进给速度(即较高的进给速度)。F n值),而与RPM无关,这意味着毛刺尺寸对易延展材料的进料速率敏感。
由于钻头尺寸小,因此可以限制相对进给速度(F n)的最小网格大小以及控制图进给分辨率的分辨率/可重复性。通过改进的实验条件(包括使用高分辨率进料系统)可以实现更精确的控制图。
为了进行比较,图5包括了常规钻探的边界线(Lee和Lee 2008)。对于这两种材料,B型毛刺都是通过在较高进给速率下进行微钻孔而产生的。
以上结果表明,毛刺控制图是用于对毛刺进行分类的有用工具,它不仅反映了常规切削参数,还反映了包括微钻孔在内的独特加工条件。
表2b-e
3 。参数制定
图表的第一个参数是进给量和钻头直径的组合,它会影响钻孔过程的推力。推力决定了在钻孔过程的最后阶段经历塑性变形的材料量。这影响毛刺的形成。众所周知,增加钻进量会增加推力。通过将剪切平面模型应用于钻孔过程,可以估算随钻头直径变化而产生的进给力和推力之间的相关性。假定钻头的切削刃被分成许多段,并且将剪切平面模型应用于每个段,如图1所示。
施加在每个段上的推力表示为:(
1)ΔFt=kfsinκsin(λ−α)2sinϕcos(ϕ+λ−α)ΔW,ΔW=(ρi+1−ρi)Rsinκ,i=1,2,…,n
其中κ是工件材料的剪切强度,f是进给量(mm/rev),2κ是钻头的尖角,λ是摩擦角,α是刀具前角,ϕ剪切平面角,ρ是相对半径,- [R / [R 。对于裂点麻花钻的凿刃,可以假定前角恒定。因此,总推力F t为:(2)Ft=∑i=1n(ΔFt,chiseledge+ΔFt,cuttingedge)=∑i=1n(kfRfn(ϕλδhκ))
其中h为螺旋角,δ为腹板厚度与钻头直径之比。由于是应力和产生的应变直接影响毛刺形成的机理,因此考虑了有效应力,可以将其表示如下。(3)σ̃=FtÃ∝Ftd2=fdfn(material(k,λ),geometry(ϕ,δ,h,κ))
对于钻头几何形状和工件材料的相同组合,可以相信最终毛刺的形成仅由f / d决定。因此,f / d影响最终毛刺的形成,并且可以用作图表的参数。
第二个重要参数是切削速度,定义为钻头直径和主轴速度的乘积。根据切削速度,在切削刃处产生的热量会发生很大变化,从而影响工件材料的性能。它还会影响工具的磨损率,尤其是转角磨损,这被认为对钻削毛刺的形成有很大影响。
因此,DBCC的两个参数是:(4)Fn=fd, S=KdN
F n是无尺寸的进给参数,S是切削速度参数,K是使两个参数的顺序相等的常数。
6 。钻孔毛刺控制图
使用上面定义的毛刺分类方案,图5显示了针对不同钻头直径的带有两个参数S和F n的毛刺类型的分布。在图中,给定工件材料(AISI 4118)和钻头(高速钢分叉麻花钻)的毛刺类型分布主要取决于S和F n这两个参数。这意味着可以通过控制这些独立的参数来控制进给速度和切削速度对最终毛刺形成的影响。II型和III型毛刺之间的边界比I型和II型毛刺之间的边界更清晰。通过回顾II型和III型具有不同的毛刺形成机理,可以很容易地理解这一点,而I型和II型具有相同的机理,并且随着毛刺高度的增加而连续过渡。
通过最小二乘法逼近找到类型I和II,类型II和III之间的边界线,并构建了生成的DBCC,如图6所示。边界线可以表示如下。
(5)(I)Fn=0.0206,(II)S=10−5(Fn)−2.8815
可以从DBCC中获得一些有用的信息。当进给参数小于0.04时,速度参数S在毛刺形成中不起重要作用。对于较大的进给参数值,毛刺的形成受速度参数的影响很大。速度参数主要影响刀具的磨损和堆积边缘,进给参数主要影响推力。但是,进给参数的较大值会提高速度参数对刀具磨损的影响。因此,对于较大的进给参数值,毛刺类型随速度参数值快速变化。
随着进给参数的增加,增加的推力会导致工件出口表面的早期塑性变形。因此,进给参数是速度参数一般范围内毛刺类型的决定因素。
类型I和类型II之间的边界线显示了速度参数的独立性。瞬态毛刺和刀具折断仅在速度参数0.043–0.064范围内发生。
通过比较在给定切削条件下计算出的参数,可以预测最终的毛刺类型。图6中的矩形代表通常推荐的切削参数范围。因此,虚线区域表示产生小的均匀毛刺的参数范围,同时保持可接受的钻孔工艺生产率以及孔质量的其他方面。
使用生成的DBCC,可以根据给定的切削条件预测毛刺类型和毛刺尺寸。可选择地,可以选择产生优选毛刺类型或最小化毛刺形成的切削条件。
3、仿真分析
略
4、参考论文
略
以上是关于预测和分类钻孔的毛刺钻孔切削ANN预测的主要内容,如果未能解决你的问题,请参考以下文章
Matlab基于人工神经网络ANN实现多分类预测(Excel可直接替换数据)