車削奧氏體不銹鋼時冷卻參數(shù)對刀具振動和表面粗糙度的影響

劉念聰 吳圣紅 謝京良 楊程文 劉保林 蔣 浩 陳 云

1. 成都理工大學核技術與自動化工程學院，成都，610059 2. 成都工具研究所有限公司，成都，610051

0 引言

最小量潤滑(minimum quantity lubrication, MQL)就是使用最小量的切削液達到最佳的切削效果，是一種金屬加工的潤滑方式，即半干式切削。與干切削、濕切削相比，MQL作為一種綠色制造技術，能夠顯著降低切削區(qū)域的溫度，減少工件與刀具之間的摩擦，提高刀具壽命和表面質量，受到學術界的廣泛關注。MQL技術為干切削和常規(guī)冷卻潤滑的結合，融合了兩種方法的優(yōu)點，能降低生產(chǎn)成本，減少環(huán)境污染[1-5]。文獻[6]的研究表明，MQL刀具壽命比干切削和濕切削更長，工件表面質量更好。然而MQL技術在冷卻效果方面的局限性使其難以用于硬質切削材料，如鈦合金、奧氏體不銹鋼[7-8]。

最小量冷卻潤滑(minimum quantity cooling lubrication，MQCL)技術是在MQL基礎上發(fā)展起來的一種新型技術，它有利于提高冷卻效果和發(fā)揮潤滑作用。很多研究人員研究了在MQCL條件下低溫冷卻對刀具磨損、切削溫度和摩擦力的影響[9-13]。為了進一步考察不同冷卻方式的冷卻效果，PENG等[14]比較了低溫氣體(CG)、MQL、CG + MQL三種冷卻方式對鈦合金切削的冷卻效果，發(fā)現(xiàn)在CG+MQL冷卻條件下獲得了最小的表面粗糙度。MUAZ等[15]將基于低溫冷卻和MQL的組合技術與干燥的冷卻劑效果進行了比較，發(fā)現(xiàn)這種組合技術可以提高刀具壽命。LIU等[16]研究了MQCL條件下切削參數(shù)對刀具磨損的影響，并與MQL條件下的刀具磨損進行了比較，結果表明，在優(yōu)化切削參數(shù)條件下，MQCL獲得了比MQL和干式切削條件下更高的表面質量和更低的刀具磨損。ISKANDAR等[17]報道了MQL冷卻參數(shù)對流動特性的影響，他們認為空氣流量、油液流量和噴嘴距離等冷卻參數(shù)對切削液的流動特性有顯著影響。CAROU等[18]認為在干切削條件下表面粗糙度和振動之間的關系是清楚的，但如果切削是在MQL條件下進行，結果是相反的。PHAM等[19]研究了MQCL條件下二硫化鉬納米流體對SKD11工具鋼硬磨性能的影響，得出納米流體對表面粗糙度和工具磨損有很大影響的結論。有研究人員認為，雖然MQCL系統(tǒng)的優(yōu)勢是多方面的，但還沒有得到廣泛的探索[20]。從上述文獻中可知，目前的研究主要側重于MQL條件下對冷卻參數(shù)的研究，而在MQCL條件下油液流量、冷風溫度、風速、噴射面類型等冷卻參數(shù)對刀具振動和表面質量的影響研究仍是空白，有必要進一步探索。

鑒于上述分析，本文重點研究在MQCL條件下車削奧氏體不銹鋼時冷卻參數(shù)對刀具振動和表面質量的影響。在實驗中，主要輸入?yún)?shù)是冷卻參數(shù)，即冷風溫度、風速、油液流量和噴射面類型。評價指標為刀具軸向、徑向振動的均方根值和表面粗糙度。正交試驗基于田口設計方法，重點分析冷卻參數(shù)對表面粗糙度的作用機理。最后，采用改進的遺傳算法優(yōu)化支持向量回歸(SVR)模型對冷卻參數(shù)進行優(yōu)化，得出冷卻參數(shù)最優(yōu)值。

1 試驗方案

1.1 試驗裝置與測量

試驗材料采用AISI304不銹鋼棒材，尺寸為φ100 mm×400 mm，化學成分和力學性能分別見表1和表2。刀柄型號為SDJCR2020K11，如圖1a所示。刀柄的參數(shù)如表3所示，刀具如圖1b所示，刀具尺寸參數(shù)見表4?；w材料為ZGM156(M型硬質合金)，PVD涂層硬質合金型號為PR930。以植物基礎油和乙醇為原料，按1∶1體積比混合，制備出一種新型切削液。高壓氣體由DW-30型空氣壓縮機提供。采用CK6136i型數(shù)控車床進行車削試驗，試驗設備如圖2所示，切削參數(shù)(切削深度ap=0.25 mm，進給速度f=0.1 mm/r，切削速度v=250 m/min)為行業(yè)推薦值。MQCL系統(tǒng)如圖3所示。采用TR2000型測試儀測量表面粗糙度，分辨力為0.01 μm，采樣長度為0.8 mm。為了減小試驗誤差，對表面粗糙度測量9次取平均值，并記錄表面粗糙度Ra的值。刀具振動信號由DH5922N型測試系統(tǒng)進行采集，采樣頻率為10 kHz。使用DH311型三向加速度傳感器測量刀具軸向(Ax)、徑向(Ay)、切向(Az)振動加速度，其測量安裝方式如圖4所示。

表1 AISI304化學組成(質量分數(shù))

表2 AISI304奧氏體不銹鋼的材料性質

(a) 刀柄

表3 刀柄參數(shù)

表4 刀具尺寸參數(shù)

(a) 機床

圖3 最小量冷卻潤滑系統(tǒng)

圖4 振動傳感器的布置

1.2 試驗方法

基于田口法的試驗方案將3個冷卻參數(shù)(風速、冷空氣溫度和油液流量)分為5個等級,將噴射面分為3種類型，分別是前刀面(RF)、主后刀面(MRF)和副后刀面(MF)。各因素與等級的對應關系見表5。

表5 因素與參數(shù)設計

2 試驗結果討論

為了便于分析試驗結果，將RF、MRF、MF分別編碼為1、2、3，試驗結果見表6。

表6 微量潤滑試驗結果

2.1 方差分析

采用方差分析法，分別分析了各冷卻參數(shù)對刀具振動和表面粗糙度的貢獻率。表7所示為刀具軸向振動的方差分析結果，冷風溫度、風速、油液流量和噴射面類型的貢獻率分別為46.40%、8.34%、13.18%、11.92%。刀具徑向振動的方差分析結果如表8所示，冷風溫度、風速、油液流量和噴射面類型對刀具徑向振動的貢獻率分別為

表7 軸向振動信號均方根的方差分析結果

表8 徑向振動信號均方根的方差分析結果

41.54%、4.82%、12.70%、25.20%。由此可見，溫度對刀具振動影響最大。由表9可知，冷風溫度、風速、油液流量和噴射面類型對表面粗糙度的貢獻率分別為3.30%、47.80%、23.50%、5.45%，可見，風速對表面粗糙度影響最大，溫度對表面粗糙度影響最小。

表9 表面粗糙度方差分析結果

2.2 主效應圖

軸向和徑向振動的主效應圖見圖5?？梢姡敎囟仍?20～10 ℃之間時，軸向和徑向振動均方根值隨溫度的升高呈明顯的上升趨勢。植物油運動黏度與溫度的關系為

(a) Ax主效應圖

式中，A、B分別為各基團貢獻值；η為流體黏度；ρ為20 ℃時的流體密度，g/cm3；M為相對分子量；T為熱力學溫度，K。

由式(1)可知，隨著冷風溫度升高，植物油的運動黏度降低，導致摩擦力增大，振動增大[21]。冷風溫度在-10～0℃時，振動有減小趨勢。一般情況下，MQCL可以迅速降低切削區(qū)溫度，使得切削液流動速度下降，從而減小切削接觸區(qū)摩擦力，振動隨之減小。冷風溫度為-10 ℃時，振動反而比冷風溫度為0 ℃時更大。圖6為-10 ℃下刀具磨損SEM圖。由圖6可知，此時刀具前刀面形成積屑瘤，導致潤滑性能變差?？梢?，MQCL溫度越低，刀具振動越??；當?shù)毒叱霈F(xiàn)積屑瘤時，振動會增大。

圖6 刀具磨損SEM圖

風速在5.5 ～10.0 m/s時，隨著風速增大， 振動減小。這是由于風速越大，刀具、工件與潤滑油間的接觸面積越大，這有利于產(chǎn)生油膜，使得摩擦力及振動減小。當風速大于10.0 m/s后，油液和切削表面接觸會減少，使得摩擦力增大，進而振動增大[22]。尤其是風速在10～11.5 m/s時，表面粗糙度降低。油液流量在120～300 mL/h之間時，振動呈現(xiàn)下降趨勢。這是因為單分子層油膜內張力達到最小，厚度接近最大，油膜內出現(xiàn)“擁擠”現(xiàn)象，工件表面切削阻力不均勻，造成振動增大。油液流量超過300 mL/h時，振動增大，表面粗糙度增大。噴射面為副后刀面時，刀具振動最小。從主效應圖中可知，振動較小時，冷卻參數(shù)最優(yōu)值為：冷風溫度-20 ℃，風速10 m/s，油液流量300 mL/h，噴射面為副后刀面。

由圖5c可以看出，溫度在-20 ～-10 ℃之間時，表面粗糙度減??；溫度在-10 ～20 ℃之間時，表面粗糙度增大，但是總體上表面粗糙度變化很小，這表明溫度對表面粗糙度的影響很小。由金屬切削機理可知，表面粗糙度與刀具磨損相關性很大。采用4XC-W型顯微鏡觀察發(fā)現(xiàn)，前刀面磨損量隨著溫度變化而變化很小，如圖7所示。第1組試驗，當溫度為-20 ℃、風速為8.5 m/s、油液流量為300 mL/h時，前刀面磨損值d為56.89 μm；第7組試驗，當溫度為-10 ℃、風速為5.5 m/s、油液流量為360 mL/h時，前刀面磨損值為58.06 μm，說明溫度對刀具磨損的影響很小，即對表面粗糙度影響很小[16]。風速為5.5 ～10 m/s時，表面粗糙度增大。當風速超過10 m/s時，表面粗糙度突然減小。油液流量在120 ～180 mL/h時，隨著油液流量的增大，粗糙度減小，油液流量超過180 mL/h時表面粗糙度先增大后減小。在確保表面粗糙度較小的情況下，冷卻參數(shù)最優(yōu)值為：溫度-10 ℃，風速5.5 m/s，油液流量300 mL/h，噴射面為副后刀面。

(a) 第1組試驗刀具磨損圖

2.3 響應面圖

根據(jù)表6建立刀具振動和表面粗糙度的多重響應面。溫度、油液流量對刀具振動影響的響應面如圖8a、圖8b所示，較低的溫度和較低的油液流量相結合可減少刀具振動，這是由于隨著溫度降低，植物油的運動黏度增大，摩擦力減小，進而振動減小。風速、溫度對刀具振動影響的響應面如圖8c、圖8d所示，較高的溫度和風速會導致較大的刀具振動，這是由于溫度對刀具振動的影響最大。較高的油液流量和風速相結合，刀具振動較小，如圖8e、圖8f所示。這是由于高風速和高油液流量會導致較大的流體膜出現(xiàn)，使得摩擦力減小，進而振動減小。由圖9可知，隨著風速增大，表面粗糙度呈現(xiàn)增大趨勢，且變化最大，這進一步驗證了風速對表面粗糙度的影響最大。然而油液流量并不是越大越好，當油液流量達到一定值后，表面粗糙度反而增大。為進一步說明溫度和風速對表面粗糙度的影響，進行了表面粗糙度功率譜密度(PSD)分析。當噴射面為前刀面，溫度為0 ℃、風速為5.5 m/s、油液流量為300 mL/h時，其PSD如圖10a所示；當溫度為10 ℃、風速為11.5 m/s時，PSD如圖10b所示。對比圖10a、圖10b可知，隨著溫度、風速增大，頻率大幅度增大，說明風速和溫度同時發(fā)生改變，對表面粗糙度影響很大。

(a) 油液流量-溫度軸向振動響應面圖

(a) 風速-溫度的Ra響應面圖

(a) 第3組試驗Ra功率譜密度圖

3 冷卻參數(shù)預測與優(yōu)化及實驗研究

3.1 支持向量回歸預測模型

支持向量機(SVM)以統(tǒng)計學習理論為基礎，基于結構風險最小化原則，樣本泛化性能極強，可以避免對樣本數(shù)據(jù)的高度依賴，使得預測的效果更加接近實際值[23]。給定訓練集訓練函數(shù)Y={f(x1,x2,x3,x4)}，預測訓練的適用范圍為：-20 ℃≤t≤20 ℃，5.5 m/s≤vw≤11.5 m/s，120≤qV≤300 mL/h，噴射面類型A=1,2,3。由于軸向振動和徑向振動的變化趨勢幾乎是一致的，這里僅考慮軸向和徑向振動均方根的加權平均數(shù)，故加權方法為

W=0.5w1+0.5w2

(2)

式中,W為總權重；w1為軸向振動的加速度權重；w2為徑向振動的加速度權重。

通過回歸預測分別得到加權后的振動均方根預測值與實際值，兩者對比如圖11a所示， 表面粗糙度預測值與實際值的對比如圖11b所示，預測誤差如圖12所示。由圖12可見，SVR的預測誤差非常小，僅為0.001。

(a) 刀具振動預測值與實驗值對比圖

(a) 振動

3.2 遺傳算法優(yōu)化SVR

由于實驗結果的數(shù)據(jù)具有非線性，且樣本量有限，因此本研究利用遺傳算法得到4個冷卻參數(shù)的最優(yōu)組合。在此基礎上，建立誤差較小的 SVR 預測模型。遺傳算法預測優(yōu)化SVR的流程如圖13所示。優(yōu)化結果為：溫度-2.36 ℃，風速7.31 m/s，油液流量300 mL/h，噴射面為副后刀面時，達到表面粗糙度最優(yōu)值0.4058 μm。當溫度為-14.79 ℃，風速為9.17 m/s，油液流量為240 mL/h，噴射面為副后刀面時，振動均方根最優(yōu)值為4.024 m/s2。

圖13 GA-SVR操作流程圖

3.3 驗證實驗

為了檢驗優(yōu)化參數(shù)(溫度-2.36 ℃，風速7.31 m/s，油液流量300 mL/h，噴射面為副后刀面)的有效性，在MQCL條件下選擇優(yōu)化切削條件進行驗證實驗。實驗結果如表10所示，表面粗糙度和刀具振動的實驗結果與預測結果的誤差分別為4.4%和5.9%。可見，優(yōu)化方法是可靠的。

表10 實驗驗證結果

4 結論

(1)低溫微量潤滑參數(shù)對刀具振動的影響從大到小依次為：冷風溫度、噴射面、油液流量、風速。風速對表面粗糙度的影響最大，溫度對表面粗糙度的影響較小。

(2)通過響應面法分析可知，各因素對刀具軸向振動和徑向振動的影響規(guī)律為：低油液流量和較高溫度的組合使得刀具振動更加劇烈；油液流量越大，風速越大，振動越小。

(3)用遺傳算法對SVR進行優(yōu)化，預測誤差為0.001。優(yōu)化結果為：當溫度為-2.36 ℃、風速為7.31 m/s、油液流量為300 mL/h、噴射面為副后刀面時，最優(yōu)表面粗糙度為0.6588 μm。在溫度為-14.79 ℃、風速為9.17 m/s、油液流量為240 mL/h、噴射面為副后刀面時，最小振動值為4.024 m/s2。實驗驗證了優(yōu)化參數(shù)的可靠性。