Полуэмпирическое моделирование температуры резания и шероховатости поверхности при точении конструкционных материалов твердосплавным инструментом с покрытием TiAlN Текст научной статьи по специальности «Технологии материалов»

МАТЕРИАЛОВЕДЕНИЕ

ОБРАБОТКА МЕТАЛЛОВ

Обработка металлов (технология • оборудование • инструменты). 2024 Том 26 № 1 с. 155-174 ISSN: 1994-6309 (print) / 2541-819X (online) DOI: 10.17212/1994-6309-2024-26.1-155-174

Обработка металлов (технология • оборудование • инструменты)

Сайт журнала: http://journals.nstu.ru/obrabotka_metallov

Полуэмпирическое моделирование температуры резания и шероховатости поверхности при точении конструкционных материалов твердосплавным

инструментом с покрытием Т1АШ

Нилеш Патил

1, a,

* 2 b 3 c

, Атул Сараф ' , Атул Кулкарни '

Технологический институт Маратвада, Аурангабад-431010, штат Махараштра, Индия

2

Национальный технологический институт Сардара Валлабхбая, Сурат, Гуджарат 395007, Индия

3

Институт информационных технологий Вишвакармы, Кондва (Бадрек), Пуне - 411048, штат Махараштра, Индия

" https://orcid.org/0000-0002-4884-4267. © ш1е8ЬёраШ(йгесНйтаП.сот; Ь https://orcid.org/0000-0003-4776-6874. © аЛй.вагаГООЩ^таП.сот: С https://orcid.org/0000-0002-6452-6349. © аШккиШагшЙУЙ.ас.т

ИНФОРМАЦИЯ О СТАТЬЕ

УДК 621.9:531.3

АННОТАЦИЯ

История статьи: Поступила: 20 сентября 2023 Рецензирование: 31 октября 2023 Принята к печати: 22 января 2024 Доступно онлайн: 15 марта 2024

Ключевые слова: Полуэмпирическая модель Регрессионная модель Температура

Шероховатость поверхности

Введение. В производстве получение заданной шероховатости поверхности обрабатываемых деталей имеет большое значение для выполнения функциональных требований. Однако на шероховатость поверхностей оказывает существенное влияние тепло, выделяемое в процессе обработки, что может привести к снижению размерной точности. Шероховатость поверхности существенно влияет на усталостные характеристики детали, а срок службы режущего инструмента определяется температурой резания. Цель работы. Целью данного исследования является создание полуэмпирических моделей для прогнозирования шероховатости поверхности и температуры различных рабочих материалов. Повышение производительности резания достигается за счет точного определения температуры резания в обрабатываемой зоне. Однако расчет температуры резания для каждого конкретного случая сопряжен с трудностями с точки зрения трудовых ресурсов и финансовых вложений. В этой статье представлена комплексная эмпирическая формула, предназначенная для прогнозирования как теоретической температуры, так и шероховатости поверхности. Методика. Показатели шероховатости поверхности и температуры оценивались для материалов ЕМ 8, А1 380, 316 и 8АЕ 8620 при их обработке твердосплавным инструментом с покрытием НАШ. Покрытие НАШ было получено методом физического осаждения из паровой фазы (РУБ). Для подготовки прогнозирующих моделей использовалась методология поверхности отклика. Скорость резания (от 140 до 340 м/мин), подача (от 0,08 до 0,24 мм/об) и глубина резания (от 0,6 до 1 мм) использовались в качестве входных параметров для измерения характеристик всех материалов с точки зрения шероховатости поверхности и температуры резки. Температуру на границе раздела стружка-инструмент определяли с помощью термопары. Для установления связи между электродвижущей силой (ЭДС), возникающей во время обработки, и температурой резания была разработана новая калибровочная установка. Результаты и обсуждение. Было замечено, что энергия, необходимая для механической обработки, в значительной степени преобразовалась в тепло. Самая высокая температура резания была зафиксирована при обработке стали 316, а затем стали 8АЕ 8620 и стали ЕМ 8. Однако при обработке АЬ 380 наблюдалась низкая температура, которая в основном определялась теплопроводностью материала. Самая низкая шероховатость поверхности наблюдалась у материалов 8АЕ 8620, ЕМ 8, а затем 88 316 и АЬ 380. Полуэмпирический метод и уравнения регрессионной модели хорошо соответствовали друг другу. Статистический анализ нелинейной оценки показывает, что скорость резания, подача и плотность материала в большей степени влияют на шероховатость поверхности, тогда как глубина резания в большей степени влияет на изменение температуры. Исследование будет очень полезно для прогнозирования производительности в промышленности при обработке материалов ЕМ 8, АЬ 380, 88 316 и 8АЕ 8620 твердосплавным инструментом с покрытием ПАШ.

Для цитирования: Патил Н.Г., Сараф А.Р., Кулкарни А.П. Полуэмпирическое моделирование температуры резания и шероховатости поверхности при точении конструкционных материалов твердосплавным инструментом с покрытием "ПАШ // Обработка металлов (технология, оборудование, инструменты). - 2024. - Т. 26, № 1. - С. 155-174. - Б01: 10.17212/1994-6309-2024-26.1-155-174.

*Адрес для переписки

Кулкарни Атул П., к.т.н., профессор

Институт информационных технологий Вишвакармы, Кондва (Бадрек),

Пуне - 411048,

штат Махараштра, Индия

Тел.: 91-2026950419, e-mail: [email protected]

Список условных обозначений List of symbols

Обозначение / Symbol Описание / Description

f Подача, мм

V c Скорость резания, мм/мин

doc Глубина резания, мм

R a Шероховатость поверхности, мкм

MRR Скорость съема материала, мм3/оборот

HSM Высокоскоростная обработка

F c Сила резания, Н

P Плотность, кг/м3

C p Удельная теплоёмкость, Дж/кг • К

K Теплопроводность, Вт/м • К

о Предел текучести, Н/м2

a Коэффициент линейного расширения, мм/м • К

e Температура, °С

SS 316 Нержавеющая сталь SS 316

SAE 8620 Конструкционная легированная сталь SAE 8620

EN 8 Конструкционная сталь EN 8

Al 380 Алюминиевый сплав

0 Постоянная Пи-теоремы

a^ a2 a3 a4 a5 Энергетические показатели

b1 b2 b3 b4 b5 Энергетические показатели

m l t e Габариты

CBN Кубический нитрид бора

RSM Методология поверхности отклика

CCD Центральный композиционный план

ANN Нейронная сеть искусственного интеллекта

LM Левенберг - Марквардт

156 Том 26 № 1 2024

Введение

Чистовая обработка поверхности имеет решающее значение для обеспечения качества, поскольку она напрямую влияет на внешний вид, функциональность и эксплуатационные качества обрабатываемых компонентов. Точная механическая обработка имеет большое значение, особенно в аэрокосмической и медицинской промышленности, где требуется определенная обработка поверхности для снижения трения, повышения износостойкости или улучшенной коррозионной стойкости. Влияние качества поверхности на трибологические характеристики, такие как трение и смазывание, имеет решающее значение для достижения максимальной производительности и долговечности. Повышение температуры во время обработки оказывает существенное влияние на износ инструмента, целостность материала и точность размеров. Контроль температуры имеет решающее значение для продления срока службы инструмента и поддержания структурной целостности обрабатываемых деталей. Прогнозное моделирование оптимизирует процессы, определяя оптимальные параметры для экономии затрат за счет увеличения срока службы инструмента, снижения процента брака и повышения эффективности. Использование смазочно-охлаждающей жидкости (СОЖ) при токарной обработке деталей высокой твердости не рекомендовано, так как при повышенных температурах при обработке СОЖ материалов твердостью от 48 до 68 НЯС в зоне резания начинается кипение. Явление кипения способствует термическим деформациям, тем самым снижая как Яа (шероховатость поверхности), так и срок службы режущего инструмента [1].

В случае обработки различных материалов их обрабатываемость оценивалась с использованием определенных параметров процесса, таких как стойкость инструмента, скорость съема материала, сила резания, энергопотребление, морфология стружки и шероховатость обработанной поверхности. Использование высокоскоростной обработки (НБМ) при сохранении целостности поверхности и соблюдении пределов допусков требует оптимального согласования таких факторов, как сила резания параметров

процесса и станка. Правильное сочетание этих

параметров имеет решающее значение для повышения эффективности высокоскоростной обработки без снижения качества обрабатываемых поверхностей или превышения установленных пределов допуска. Этот баланс гарантирует, что процесс обработки на высоких скоростях будет протекать без ущерба для точности и качества поверхности, что способствует общему успеху операций высокоскоростной обработки [2].

Чжао и др. (Zhao et al.) [3] измерили температуру резания Inconel 718 при помощи двухцветного инфракрасного термометра инструментом, упрочненным керамическими нитевидными кристаллами, и пришли к выводу, что большое коли -чество тепла, выделяемого во время обработки, ухудшает качество поверхности обрабатываемого материала. Из-за повышения температуры в зоне резания во время механической обработки качество поверхности ухудшалось [4]. Высокий износ инструмента и температура, повышающаяся в процессе обработки закаленной стали AISI 4340, могут быть устранены с помощью биоСОЖ [5]. Для суперсплавов необходимы постмеханические операции для улучшения качества поверхности [6]. Кумар и др. (Kumar et al.) [7] сравнили модель на основе метода поверхности отклика (RSM) с моделью на основе метода, использующего искусственные нейронные сети (ANN), для анализа характеристик при точении стали AISI D2 и пришли к выводу, что прогнозная модель на основе RSM является более точной по сравнению с моделью ANN для прогнозирования качества поверхности и температуры резания. Госай (Gosai) и Бхавсар (Bhavsar) [8] использовали математические модели и уравнения, сгенерированные RSM на основе CCD для прогнозирования температуры резания.

Скорость съема материала в процессе токарной обработки была выше по сравнению с другими традиционными процессами механической обработки. Абханг и др. (Abhang et al.) [9] экспериментально измерили температуру сплава EN-31 при токарной обработке пластинами из карбида вольфрама, используя метод естественной термопары. Подача f оказывает существенное влияние на шероховатость поверхности: при увеличении f шероховатость увеличивается, а при увеличении Vc шероховатость уменьшается [10-12]. Бхопале и др. (Bhopale et al.) [13] использовали RSM с CCD для точения аустенизирован-

ного высокопрочного чугуна твердосплавным инструментом и обнаружили, что Vc оказывает более существенное влияние на шероховатость поверхности. Ауичи и др. (Aouici et al.) [14] использовали эльборовый инструмент для точения стали AISI H11, а также математическую модель на основе RSM для Ra и Fc, однако при обработке материалов, армированных частицами, морфология поверхности была изменена. Лонгботтом (Longbottom) и Лэнхэм (Lanham) [15] провели обзор устройств для измерения температуры и обнаружили, что измеряемая температура варьировалась в разных местах. Коркут и др. (Korkut et al.) [16] сопоставили модель ANN и модель RA и обнаружили, что обучающая модель ANN с алгоритмом LM продемонстрировала более высокую скорость прогнозирования и была полезна при измерении температуры резания при проверке квалифицированным методом RA при механической обработке. Дхар (Dhar) и Камруззаман (Kamruzzaman) [17] обнаружили, что повышение температуры значительно влияет на износ инструмента и шероховатость поверхности, а использование криогенного охлаждения дает хорошие результаты. Патил (Patil) и Брах-манкар (Brahmankar) [18] разработали модель для шероховатости поверхности, учитывающую входные параметры, свойства материала, размер керамических частиц и их объемную долю, и обнаружили, что объемная доля и размер частиц существенно влияют на выходные параметры, а также что присутствие керамических частиц влияет на шероховатость поверхности. Патель (Patel) и Киран (Kiran) [19] использовали линейную регрессионную модель для анализа оценки шероховатости поверхности при обработке стали AISI 1040. Патель (Patel) и Ганди (Gandhi) [20] обрабатывали сталь AISI D2 эльборовым инструментом и разработали математическую модель, основанную на одновременном воздействии f Vc и радиуса закругления вершины режущего инструмента и хорошо совпадающую с экспериментальными значениями. Однако никто из них не взял более одного материала для экспериментов, за исключением Родригеса и др. (Rodriguez et al.) [21], использовавших материалы SS 304, 316L и 420 для точения и разработавших модель температуры резания с учетом теплопроводности и максимальной прочности. Согласно рассмотренной литературе, параметры

резания, в частности скорость резания и подача, оказывают существенное влияние на температуру поверхности контакта стружки с инструментом. Были разработаны различные прогнозные модели, но каждая модель предсказывала результаты в определенной области параметров. Кроме того, сообщалось о нескольких исследованиях влияния параметров резания и покрытия TiAlN на температуру резания и шероховатость поверхности при точении материалов EN 8, Al 380, SS 316 и SAE 8620.

В настоящем исследовании для измерения температуры была разработана наиболее простая и экономичная методика, предполагающая использование естественной термопары. Далее были разработаны модели поверхности отклика для температуры резания и шероховатости этих материалов, изучено влияние технологических параметров и теплофизических свойств материалов обрабатываемых деталей на параметры отклика, а также разработана полуэмпирическая модель для прогнозирования температуры резания и шероховатости поверхности.

Материалы и методы

Результаты эксперимента были получены на токарном станке с ЧПУ. Параметры V f и doc были тремя регулируемыми факторами при токарной обработке. В настоящей работе использовали заготовки из четырех материалов, а именно из мягкой стали EN 8 диаметром 75 мм, из алюминиевого сплава Al 380 диаметром 50 мм, из нержавеющей стали SS 316 диаметром 75 мм и из низколегированной стали SAE 8620 диаметром 75 мм. Длина каждой заготовки составляла 300 мм, и все они были обработаны механически. Для определения химического состава вышеуказанных материалов был проведен спектроскопический анализ, результаты которого представлены в табл. 1. Поскольку в литературе указано, что твердосплавный инструмент с TiAlN-покрытием имеет минимальную Ra и износ инструмента, то в работе использовали твердосплавные пластины с покрытием Sandvik PVD (TiAlN) с восемью режущими кромками, обозначенными маркой CNMG-120408 MS PR1310 (радиус закругления вершины 0,8 мм) в течение 20 испытаний в сухих условиях. Место контакта инструмента и заготовки во время обработки было горячим, в то

158

Таблица 1 Table 1

Химический состав рабочего материала Chemical composition of work material

Элемент, % SS 316 EN 8 SAE 8620 Al 380

C 0,07 0,39 0,22 -

Mn 0,16 0,87 0,8 0,5

Si 0,9 0,22 0,28 8,5

P 0,05 0,04 0,031 -

S 0,02 0,05 0,04 -

Cr 18,50 - 0,49 -

Mo 2,25 - 0,22 -

Ni 12,23 - 0,52 0,5

Mg - - - 0,1

Cu - - - 3,6

Sn - - - 0,35

Zn - - - 3

Fe Остальное Остальное Остальное 1,3

Al - - - Остальное

время как угольная щетка, касающаяся заготовки, оставалась холодной. Заготовка была установлена в трехкулачковый патрон, между заготовкой и патроном была предусмотрена изоляция. Экспериментальная установка, калибровочная установка для измерения температуры и материал заготовки показаны на рис. 1, а, б и в соответственно. Параметры резания, используемые для механической обработки, приведены в табл. 2.

Результаты и их обсуждение

Для основных экспериментов использовался центральный композитный план метода поверхности отклика. В табл. 3 приведены результаты экспериментов. Целью экспериментального анализа было определить значимый фактор, который оказывает большее влияние на переменные отклика, и разработать обобщенную эмпириче-

a б в

Рис. 1. Установка для механической обработки (а); установка для калибровки температуры (б);

рабочие материалы (в)

Fig. 1. Machining setup (a); temperature calibration setup (б); work materials (в)

Таблица 2 Table 2

Параметры процесса и экспериментальные уровни Process parameters and experimental levels

Параметры / Уровни L 1 L 2 L 3 L 4 L 5

V, м/мин 140 190 240 290 340

f, мм/об 0,08 0,12 0,16 0,20 0,24

doc, мм 0,6 0,7 0,8 0,9 1,0

Таблица 3 Table 3

Экспериментальные данные по Ra и температуре для материалов SS 316, EN 8, SAE 8620 и Al 380 Experimental data of Ra and temperature for SS 316, EN 8, SAE 8620 and Al 380 materials

Нормер прохода Скорость, V, м/мин Подача, f, мм/об doc, d, мм SS 316 R a EN 8 R a SAE 8620 R a Al 380 R a SS 316 темп. EN 8 темп. SAE 8620 темп. Al 380 темп.

1 190 0,12 0,7 0,73 0,84 0,63 2,88 635 636 629 243

2 290 0,12 0,7 0,56 0,66 0,50 1,73 812 657 733 264

3 190 0,2 0,7 1,39 1,54 1,60 3,56 643 654 648 247

4 290 0,2 0,7 1,22 1,31 1,25 2,24 997 672 741 318

5 190 0,12 0,9 0,74 0,92 0,55 2,95 782 647 675 236

6 290 0,12 0,9 0,62 0,74 0,59 1,93 1082 665 782 271

7 190 0,2 0,9 1,47 1,6 1,42 4,08 815 664 735 274

8 290 0,2 0,9 1,27 1,42 1,27 2,52 1157 679 818 334

9 140 0,16 0,8 1,08 1,32 1,12 4,25 732 644 595 229

10 340 0,16 0,8 0,78 1,03 0,80 1,86 1243 689 837 323

11 240 0,08 0,8 0,3 0,59 0,47 2,01 619 629 625 216

12 240 0,24 0,8 1,86 2,06 1,96 2,92 883 666 718 306

13 240 0,16 0,6 0,91 0,92 0,98 2 646 644 693 289

14 240 0,16 1 1,07 1,02 1,04 2,88 1082 653 791 310

15 240 0,16 0,8 1,01 0,95 0,99 2,12 805 649 704 283

16 240 0,16 0,8 0,92 1 0,96 2,24 766 642 694 291

17 240 0,16 0,8 0,93 0,94 1,00 2,31 775 644 699 293

18 240 0,16 0,8 0,99 0,94 1,00 2,09 764 645 701 296

19 240 0,16 0,8 0,96 0,94 1,00 2,1 769 644 703 298

20 240 0,16 0,8 0,98 0,95 1,00 2,08 765 643 701 297

скую модель для прогнозирования шероховатости поверхности и температуры, генерируемых с использованием п-теоремы Бекингема. Статистический анализ шероховатости поверхности и повышения температуры был проведен с использованием ЯБМ.

Основной целью данной статьи является разработка полуэмпирических формул с использованием метода Левенберга - Марквардта для прогнозирования шероховатости поверхности и температуры различных материалов. С использованием значений из табл. 2 были составлены

отдельные уравнения регрессии, а из регрессии извлечены полные значения факториала. Эти значения полного факториала используются для вывода полуэмпирической формулы.

Уравнения регрессии шероховатости поверхности материалов приведены ниже:

88Яа = 0,60 + 0,00018Ус + + 2,7/ - 1, 37d - 0,000003Ус2 +

+19,03/ + 0,79(12 - 0,0050У сх/ +

+ 0,00050У^ +1,87 №; (I)

8ЛЕ1а = 0,31 - 0.00202Ус + +10,01 / - 1,20d - 0,00005 У? +

+ 31с61 /2 - 0, Ш2 - 0,2604Усх/ +

+ 0,00908У^^ - 5,1 /Xd; (II)

ЕЫЯа = 3,135 - 0,01331Ус --9,76/ - 1,09d + 0,000023Ус2 +

+59,66/2 + 0,670d2 - 0,00312Усх/ +

+0,00125Усх/ + 0,31 ^; (III)

AlRa = 14,32 - 0,0478Vc -

-12,4/ - 12,97d + 0,000093У2 +

+53,7d/2 + 7,97d2 - 0,0444Усх/ -

- 0,0027У^ + 16,6 Xd. (IV)

Уравнения регрессии температуры материалов приведены ниже:

88Твшр = 3517 - 2,74У с + +696/ - 8645d + 0,01054У2 +

+3963/2 + 699d2 + 6,6Усх/ -

- 1,57У^ - 3281^; (V)

БЛЕТвшр = 1073 + 0,57Ус + + 457/ - 1899d + 0,00210У2 -

- 3672/2 + 1175d2 - 2,14Усх/ -

- 0,175У xd + 2156 fXd; (VI)

ЕЫТвшр = 748 - 0,787Ус +

+87/ - 175d + 0.002436Ус2 +

+ 838d2 +159/2 - 0,375У сх/ -

- 0,150У^ - 63№; (VII)

ЛИвшр = 239 + 0,579Ус + +39/ - 353d - 0,001918У2 -

-534Ы2 + 108/2 + 4,69Усх/ -

- 0,075Уcxd + 1344^; (VIII)

п-теорема Бекингема

В этом исследовании используется принцип размерной однородности п-теоремы Бекингема [22]. В табл. 4 приведены механические свойства материалов.

Величины различной природы не могут быть однородными. Применяя размерный анализ, шероховатость поверхности может быть задана уравнением вида

Яа = / (Ж ,У, Я, 0, а, К ,Ср, р, а), (1)

где фундаментальными размерностями являются р, L, T и Э. Следовательно, поскольку общее количество переменных равно десяти, то фундаментальных размерностей четыре.

Количество зависимых и независимых переменных равно п = 10, а количество повторяющихся переменных равно m = 4. Следовательно, ни один из членов п в настоящем исследовании не будет равен п - m = 6.

Таким образом:

/(пЪ^ ^ ^^ п6) = 0 . (2)

Обратите внимание, что уравнение (2) также можно записать как

П1 = f(п1, ^ ^ ^ ^ пб): П = Ra/F;

п2 =

Г С^У1

V V2 ,

V г /

п3 =

Г K0 ^

FV 3р

(3)

(4)

(5)

(6)

Таблица 4 Table 4

Единицы измерения, размеры и свойства обрабатываемых материалов Units, dimensions and properties of the machined materials

Параметр Еденица измерения Обозначение Размерная величина Свойства заготовок

SS 316 EN 8 SAE 8620 Al 380

Подача мм f L - - - -

Скорость м/мин V c LTX - - - -

Глубина резания мм doc L - - - -

Шероховатость поверхности мкм R a L - - - -

Плотность кг/м3 P M L- 8000 7850 7845 2760

Удельная теплоемкость Цж/кг • К C p L2 T2 0 0,5 0,475 1,6 0,963

Теплопроводность Вт/м • К K M L Г3 0-1 16,3 46,6 27 109

Предел текучести Н/м2 0 M^1 T2 240 560 450 159

ТКЛР м/м • К a L 0-1 16,18 • 10-6 12,2 • 10-6 11,6 • 10-6 12,1 • 10-6

Температура °C 0 0 1371 2600 1400 650

П4 =

a9

a3

n5 =

Г ^4

С

V 2p

n6 =

D

a5

(7)

(8) (9)

Следовательно, окончательный вид уравнений можно записать как

Ra = 0 • F

Г C„ еУ1 Г

V2

ae

v ' / a3 Г

к e

FV 3p

\a2

\a4

V 2p

d ^a5 F

(10)

Аналогично повышение температуры (Г) может быть задано уравнением вида

0 = /(Ж,У, а, К,Ср, р, а) ; (11)

П = а0/F; (12)

п2 =

162 Том 26 № 1 2024

Г FCp ^ aV 2

п3 =

Г к ^

aV 2р

П4 =

R ^

a

(

п5 =

Л64

vV 2ру D

п6 =

(14)

(15)

(16) (17)

Таким образом, окончательный вид уравнения можно записать как

ЛЬ2

e = F/a •0

Г FC ^ Г

к

Ra

vaV2 ) l^aV р

^ Г^4 Г D ^

V2pJ IF

(18)

(13)

Хотя а появляется неоднократно, их влияние на Яа представляется весьма значительным. В данной работе энергетические показатели определяются с помощью методики Левенбер-га - Марквардта (табл. 5). Адекватность модели

X

X

Таблица 5 Table 5

Коэффициенты и энергетические показатели Ra и температурной модели Coefficients and energy indices of Ra and temperature model

Энергетиче ские показатели Шероховатость поверхности Энергетические показатели Температура

0 1,687688 0 0,098376

ai 0,118057 b1 -0,186434

a2 0,322659 Ь2 -0,384552

a3 -0,591654 Ь3 -0,177437

a4 -0,272547 Ь 4 0,407445

a5 0,548434 b 5 0,660121

дополнительно анализируется путем сопоставления регрессии Яа и прогнозируемых значений полуэмпирической модели.

Сравнение шероховатости поверхности SS 316, ЕМ 8, 8ЛЕ 8620 и Л1380

Чтобы получить полное представление о влиянии входных параметров на шероховатость поверхности, путем изменения технологических параметров для всех режущих материалов построены трехмерные поверхностные диаграммы. Для обеспечения точности в этих визуальных представлениях используются эмпирически полученные уравнения. На рис. 2 показаны трехмерные диаграммы поверхности, иллюстрирующие изменения шероховатости поверхности в процессе точения ББ 316, ЕК 8, БАЕ 8620 и А1 380 инструментами с РУБ-покрытием (НАШ), сгенерированные с помощью уравнений (1-ГУ).

Из рис. 2 становится ясно, что на шероховатость поверхности в первую очередь влияет подача. Однако этот эффект можно рассматривать как более значительный для А1 380 и ББ 316. В процессе обработки алюминиевых сплавов происходит образование наростов за счет прилипания стружки к режущему инструменту, что приводит к увеличению шероховатости поверхности. В случае ББ 316 наблюдается тенденция к образованию сливной стружки, которая вращается вокруг обрабатываемого материала, повреждая новую поверхность, и это может быть причиной плохой шероховатости поверхности.

Материалы EN 8 и SAE 8620 кажутся хорошо подходящими для механической обработки, главным образом из-за низкой твердости в горячем состоянии и легкой обрабатываемости. Следовательно, шероховатость этих материалов выше по сравнению с другими. Было также замечено, что по мере увеличения скорости резания наблюдается тенденция к улучшению шероховатости поверхности для всех материалов. В литературе сообщается, что при высокой скорости резания длина контакта стружки инструмента уменьшается, что обеспечивает минимизацию вибраций режущего инструмента и улучшение шероховатости поверхности. Кроме того, на повышенных скоростях происходит повышение температуры резания, способствующее размягчению материала. Это, в свою очередь, помогает снизить силу резания, тем самым сводя к минимуму вибрации и улучшая шероховатость поверхности.

На рис. 3, а показано влияние f на Ra при Vc = 140 м/мин и doc = 0,6 мм как для регрессионных, так и для полуэмпирических значений. Алюминиевый материал имеет плохую чистоту поверхности, поскольку по сравнению с другими материалами в алюминии образуется больше непрерывной стружки. Кроме того, эта непрерывная стружка повреждает уже готовые детали [23].

На рис. 3, б показано влияние f на Ra при Vc = 190 м/мин и doc = 0,7 мм. С увеличением f величина Ra увеличивается по сравнению с другими материалами, теплопроводность SS 316 меньше, за счет повышения температуры материал стано-

в г

Рис. 2. Трехмерная диаграмма шероховатости поверхности материалов: SS 316 (а), EN 8 (б),

SAE 8620 (в) и Al 380 (г)

Fig. 2. Surface roughness 3D plot for SS 316 (a), EN 8 (б), SAE 8620 (в) and Al 380 (г)

б

а

SS Регрессивный SS Попуэмпирический SAE Регрессивный SAE Полуэмпирический EN 9 Регрессивный EN 8 Полуэмпирический Al Регрессивный Al Полуэмпирический

Vc = 240 м/мин и doc = 0,8 мм

s

л E

О CO О Q;

¡1

1 '-• 1

J ¡8 О

0,08 0,12 0,16 0,2 0,24 Скорость подачи (мм/оборот)

в г д

Рис. 3. Влияние скорости подачи на шероховатость поверхности при различной скорости резания и глубине резания для всех материалов с использованием инструмента с покрытием TiAlN

Fig. 3. Effect of feed rate on surface roughness at different cutting speed and depth of cut for all materials

using TiAlN coated tool

б

а

вится более пластичным при резке и возможен более гладкий рез, что приводит к лучшему качеству поверхности [11]. Минимальная Ra достигается при увеличении Vc с 240 до 340 м/мин и doc с 0,8 до 1 мм, как показано на рис. 3, в-д, поскольку ожидается, что при более высоком Vc скорость деформации в зоне сдвига будет высокой и приведет к росту температуры [2]. С увеличением Vc и f температура увеличивается, поскольку время рассеивания тепла уменьшается, а большая площадь контакта стружки с инструментом увеличивает трение. Параметры Vc и doc являются значимыми факторами повышения температуры инструмента для SS 316 и SAE 8620; Ra уменьшается за счет увеличения скорости деформации [24].

На рис. 4, a-д четко видно, что более высокая Vc обеспечивает хорошую шероховатость поверхности почти для всех материалов. Однако по мере увеличения f и doc шероховатость поверхности сначала увеличивается для SS 316, а затем для Al 380. Материал EB 8 показывает еще лучшие результаты благодаря низкому выделению тепла в зоне резания, что сохраняет стабильность формы инструмента. Поскольку теплопроводность SS 316 меньше по срав-

нению с другими материалами, он становится более пластичным во время резки из-за повышения температуры, и возможен более гладкий рез за счет лучшего качества поверхности [2]. Значение параметра Ra оказалось худшим при обработке Al 380 и превосходило значения для SS 316 и SAE 8620. Вязкость материала Al 380 приводит к образованию шероховатой поверхности. Наросты возникают из-за того, что материал легко сцепляется с режущей кромкой, что в ко -нечном итоге изменяет геометрию инструмента, и Ra увеличивается [12].

На рис. 5, а-д показано влияние doc на различные материалы. Замечено, что doc не оказывает существенного влияния на Ra. Это может быть связано с увеличением объема деформации с увеличением doc. Таким образом, сильная деформация заготовки приводит к образованию большего количества неровностей на поверхности и, следовательно, к плохому качеству поверхности. Зоу и др. (Zou et al.) [25] также получили аналогичные результаты. Фактор doc менее значителен для Ra, чем Vc иf [11]. При более высоких значениях технологических параметров увеличивается тепловой износ инструмента и шероховатость поверхности [3].

SS Регрессивный SS Полуэмпирический

■ SAE Регрессивный SAE Полуэмпирический

■ EN 8 Регрессивный

L LN в Полуэмпирический AI Регрессивный AI Полуэмпирический

б

а

в г д

Рис. 4. Влияние скорости резания на шероховатость поверхности при различной подаче и глубине резания при обработке всех материалов с использованием инструмента с покрытием TiAlN

Fig. 4. Effect of cutting speed on surface roughness at different feed rate and depth of cut for all materials

using TiAlN coated tool

165

■ SS Регрессивный SS Попу эмпирический SAE Регрессивный SAE Полуэмпирический EN 8 Регрессивный EN 8 Полуэмпирический AI Регрессивный AI Полуэмпирический

б

а

Рис. 5. Влияние глубины резания на шероховатость поверхности при различной подаче и скорости резания при обработке всех материалов инструментом с покрытием TiAlN

Fig. 5. Effect of depth of cut on surface roughness at different feed rate and cutting speed for all materials

using TiAlN coated tool

Сравнение температуры резания SS 316, EN 8, SAE 8620 и Al 380

Чтобы получить полное представление о влиянии входных параметров на температуру резания, построены трехмерные (3D) поверхностные диаграммы путем изменения параметров процесса для всех режущих материалов. В этих визуальных представлениях для обеспечения точности используются уравнения, полученные эмпирическим путем. На рис. 6 показаны трехмерные диаграммы, иллюстрирующие изменения температуры резания в процессе токарной обработки нержавеющей стали SS 316, EN 8, SAE 8620 и Al 380 для инструментов с PVD-покрытием (TiAlN), полученные с помощью уравнений (V-VIII).

В случае температуры резания f не оказывает существенного влияния (рис. 6, a-г). По сравнению с другими материалами в Al 380 происходит менее существенное повышение температуры. В материалах SS 316, SAE 8620 и EN 8 повышение температуры имеет линейную форму, низкая теплопроводность и удельная теплоемкость ответственны за большие колебания повышения температуры в SS 316. Следовательно, темпера-

166 Том 26 № 1 2024

тура во время обработки SS 316 повышается по мере увеличения параметров процесса. Результаты высокоскоростной обработки при высокой температуре были получены с увеличением Vc. Большая часть тепла уносится стружкой, а в заготовку уходит мало тепла. Видно, что f влияет на температуру незначительно, но постепенно температура продолжает повышаться с увеличе-ниемf Тот же результат был получен Дессоли и др. (Dessoly et al.) [26] с использованием модели FEM и ИК-камеры. На рис. 7, а, б показано, что с увеличением f температура повышается, поскольку соприкасается большая площадь поверхности заготовки и инструмента. Алюминий имеет самый низкий предел текучести, поэтому выделение тепла в алюминии меньше по сравнению с другими материалами.

На рис. 7, в-д показано, как температура повышается с увеличениемf doc, и Vc. Увеличение f повышает температуру из-за большого контакта стружки с инструментом и связанного с ним трения [27]. В алюминии температура повышается в меньшей степени, поскольку из-за более высокой теплопроводности передача тепла происходит быстрее, благодаря чему материал остается в одном и том же состоянии повсюду, мате-

0,112432 180,54 б

Рис. 6. Трехмерная диаграмма температуры резания материалов: SS 316 (а), EN 8 (б), SAE 8620 (в)

и Al 380 (г)

Fig. 6. Cutting Temperature 3D plot for materials SS 316 (a), EN 8 (б), SAE 8620 (в) and Al 380 (г)

а

в

г

- SS Регрессивный SS Полуэмпирический

■ SAE Регрессивный SAE Полуэмпирический

■ EN 8 Регрессивный

■ EN 8 Полуэмпирический Al Регрессивный

Al Полуэмпирический

б

а

в г д

Рис. 7. Влияние подачи на температуру резания при различной скорости и глубине резания при обработке всех материалов инструментом с покрытием TiAlN

Fig. 7. Effect of Feed rate on cutting temperature at different cutting speed and depth of cut for all materials

using TiAlN coated tool

риал не становится более пластичным, а трение между заготовкой и режущим инструментом уменьшается [12]. С увеличением параметров процесса температура возрастает. Китагава и др. (Kitagawa et al.) [28] использовали керамические инструменты для точения Inconel 718 и обнаружили, что температура резания продолжает повышаться с увеличением параметров процесса, поскольку обрабатываемый материал деформируется в стружку режущими инструментами. Деформация заготовки, сцепление или трение стружки о переднюю поверхность инструмента приводит к сильному нагреву [3].

С увеличением Vc температура продолжает расти. В результате качество поверхности снижается и повышается износ инструмента [1]. На рис. 8 температура резания прямо пропорциональна скорости резания. Однако это также зависит от других факторов: f, doc, ширины резания и условий работы станка [27]. На рис. 8, a-д показано влияние doc на температуру резания. Температура продолжает повышаться с увеличением doc, поскольку при максимальной подаче и doc выделяется большое количество тепла из-за трения между обрабатываемым материалом и режущим инструментом,

что приводит к термическому разупрочнению материала [29]. Согласно полуэмпирическим результатам и результатам регрессии, doc является более значимым параметром температуры, чем f и Vc [1].

На рис. 9, а-д заготовка или инструмент увеличены из-за выделяемого тепла. Температура резания сильно влияет на механические свойства заготовки и силы, действующие на заготовку и инструмент [30]. Большая часть общего тепла передается стружке, а также это общее количество тепла в потоке стружки выделяется за счет сдвига и трения на границе стружки и инструмента. Изменение doc оказывает большее влияние на температуру резки по сравнению сf и Vc [8].

На всех рисунках представлены результаты значений регрессии, взятых из эмпирической модели, и экспериментальных значений RSM для температуры и шероховатости поверхности, которые оказались сопоставимыми. Все значения выходных параметров RSM и значения эмпирической модели хорошо согласуются друг с другом. Поэтому уравнения (10) и (18) можно использовать для определения теоретического значения Ra и температуры при различных

SS Регрессивный SS Попуэмпирический SAE Регрессивный SAE Полуэмпирический EN 8 Регрессивный EN 8 Полуэмпирический AI Регрессивный AI Попуэмпирический

в г д

Рис. 8. Влияние скорости резания на температуру резания при различной величине подачи и глубине резания инструментом с покрытием TiAlN для всех материалов

Fig. 8. Effect of cutting speed on cutting temperature at different feed rate and depth of cut for all material

using TiAlN coated tool

168

б

а

■ SS Регрессивный

■ SS Полуэмпирический SAE Регрессивный SAE Полуэмпирический

■ EN 8 Регрессивный

EN 8 Полуэмпирический Al Регрессивный Al Полуэмпирический

в г д

Рис. 9. Влияние глубины резания на температуру резания при различной величине подачи и скорости резания инструментом с покрытием TiAlN для всех материалов

Fig. 9. Effect of depth of cut on cutting temperature at different feed rate and cutting speed for all material

using TiAlN coated tool

б

а

параметрах резания для разных обрабатываемых материалов с твердосплавными инструментальными пластинами, покрытыми НАШ.

Выводы

Предложен полуэмпирический метод с учетом размерностей свойств материала для оценки температуры резания и шероховатости поверхности при точении заготовок из ББ 316, БАБ 8620, БК 8 и А1 380 твердосплавными пластинами с РУБ-покрытием (НАШ). Кроме того, был проведен мультилинейный регрессионный анализ и на основе анализа результатов регрессионной и полуэмпирической модели были сделаны следующие выводы.

• При более высокой подаче для всех материалов наблюдалась малая шероховатость поверхности. Однако по мере увеличения подачи и глубины резания шероховатость поверхности имеет тенденцию увеличиваться в большей степени при обработке ББ 316, затем в случае А1 380. Материал БК 8 показывает лучшие результаты благодаря низкому выделению тепла в зоне резания, что сохраняет стабильность формы инструмента.

• Быстрое упрочнение стружки в случае ББ 316, вязкость материала стружки и наростов, стабильность формы инструмента в случае БК 8 и БАБ 8620 являются основной причиной качества шероховатости поверхности.

• Более высокая температура резания была получена при обработке ББ 316, а более низкая температура резания - при обработке А1 380. Это объясняется существенной разницей в теплопроводности указанных материалов.

• При обработке БК 8 и БАБ 8620 диапазон температур резания оказался умеренным.

• Шероховатость поверхности оказалась наихудшей при обработке А1 380 и лучшей в случае ББ 316 и БАБ 8620.

• Кроме того, с использованием модели анализа размерностей разрабатывается обобщенная эмпирическая формула для прогнозирования шероховатости поверхности и температуры, возникающей во время резки металла. Было обнаружено, что эти модели хорошо согласуются с уравнениями регрессии, полученными на основе экспериментальных значений.

• Предложенную методику измерения шероховатости поверхности и температуры можно удобно использовать. Это полезный способ

экономичного способа оценки тепловыделения и шероховатости поверхности при точении различных материалов твердосплавными инструментами с TiAlN-покрытием.

Список литературы

1. Empirical modelling and optimization of temperature and machine vibration in CNC hard turning / P.S. Ghosh, S. Chakraborty, A.R. Biswas, N.K. Mandal // Materials Today: Proceedings. - 2018. - Vol. 5 (5). -P. 12394-12402. - DOI: 10.1016/j.matpr.2018.02.218.

2. Groover M.P. Fundamentals of modern manufacturing: materials, processes, and systems. - 4th ed. -Hoboken, NJ: Wiley, 2010. - 1012 p. - ISBN 978-0470467002.

3. Cutting temperature measurement using an improved two-color infrared thermometer in turning Inco-nel 718 with whisker-reinforced ceramic tools / J. Zhao, Z. Liu, B. Wang, Y. Hua, Q. Wang // Ceramics International. - 2018. - Vol. 44 (15). - P. 19002-19007. -DOI: 10.1016/j.ceramint.2018.07.142.

4. Kakade H.B., Patil N.G. Comparative investigations into high speed machining of AB titanium alloy (Ti-6al-4v) under dry and compressed Co2 gas cooling environment // AIP Conference Proceedings. - 2018. - Vol. 2018 (1). - P. 20009-1-20009-9. -DOI: 10.1063/1.5058246.

5. Gunjal S.U., Sanap S.B., Patil N.G. Role of cutting fluids under minimum quantity lubrication: an experimental investigation of chip thickness // Materials Today: Proceedings. - 2020. - Vol. 28 (2). - P. 11011105. - DOI: 10.1016/j.matpr.2020.01.090.

6. Кулкарни А.П., Чинчаникар С., Саргаде В.Г. Теория размерностей и моделирование температуры на границе раздела стружка-инструмент при точении SS304 на основе искусственных нейронных сетей // Обработка металлов (технология, оборудование, инструменты). - 2021. - Т. 23, № 4. - С. 47-64. -DOI: 10.17212/1994-6309-2021-23.4-47-64.

7. Modelling of flank wear, surface roughness and cutting temperature in sustainable hard turning of AISI D2 steel / R. Kumar, A.K. Sahoo, R.K. Das, A. Panda, PC. Mishra // Procedia Manufacturing. - 2018. - Vol. 20. -P. 406-413. - DOI: 10.1016/j.promfg.2018.02.059.

8. GosaiM., BhavsarS.N. Experimental study on temperature measurement in turning operation of hardened steel (EN36) // Procedia Technology. - 2016. - Vol. 23. -P. 311-318. - DOI: 10.1016/j.protcy.2016.03.032.

9. Abhang L.B., Hameedullah M. Chip-tool interface temperature prediction model for turning process // International Journal of Engineering Science and Technology. - 2010. - Vol. 2 (4). - P. 382-393.

10. Doniavi A., Eskanderzade M., Tahmsebian M. Empirical modeling of surface roughness in turning pro-

cess of 1060 steel using factorial design methodology // Journal of Applied Sciences. - 2007. - Vol. 7 (17). -P. 2509-2513. - DOI: 10.3923/jas.2007.2509.2513.

11. Verma V., Kumar J., Singh A. Optimization of material removal rate and surface roughness in turning of 316 steel by using full factorial method // Materials Today: Proceedings. - 2020. - Vol. 25. - P. 793-798. -DOI: 10.1016/j.matpr.2019.09.029.

12. Investigation on surface roughness and chip reduction coefficient during turning aluminium matrix composite / D. Das, R.F. Ali, B.B. Nayak, B.C. Routara // Materials Today: Proceedings. - 2019. - Vol. 5 (11). -P. 23541-23548. - DOI: 10.1016/j.matpr.2018.10.142.

13. Bhople N., Patil N., Mastud S. The experimental investigations into dry turning of austempered ductile iron // Procedia Manufacturing. - 2018. - Vol. 20. -P. 227-232. - DOI: 10.1016/j.promfg.2018.02.033.

14. Analysis of surface roughness and cutting force components in hard turning with CBN tool: prediction model and cutting conditions optimization / H. Aoui-ci, M.A. Yallese, K. Chaoui, T. Mabrouki, J.F. Rigal // Measurement. - 2012. - Vol. 45 (3). - P. 344-353. -DOI: 10.1016/j.measurement.2011.11.011.

15. Longbottom J.M., Lanham J.D. Cutting temperature measurement while machining - a review // Aircraft Engineering and Aerospace Technology. - 2005. -Vol. 77 (2). - P. 122-130. - DOI: 10.1108/ 00022660510585956.

16. KorkutI., Acir A., BoyM. Application of regression and artificial neural network analysis in modelling of tool-chip interface temperature in machining // Expert Systems with Applications. - 2011. - Vol. 38 (9). -P. 11651-11656. - DOI: 10.1016/j.eswa.2011.03.044.

17. Dhar N.R., Kamruzzaman M. Cutting temperature, tool wear, surface roughness and dimensional deviation in turning AISI-4037 steel under cryogenic condition // International Journal of Machine Tools and Manufacture. - 2007. - Vol. 47 (5). - P. 754759. - DOI: 10.1016/j.ijmachtools.2006.09.018.

18. Patil N.G., Brahmankar P.K. Semi-empirical modeling of surface roughness in wire electro-discharge machining of ceramic particulate reinforced Al matrix composites // Procedia CIRP. - 2016. - Vol. 42. -P. 280-285. - DOI: 10.1016/j.procir.2016.02.286.

19. Patel D.R., Kiran M.B. A non-contact approach for surface roughness prediction in CNC turning using a linear regression model // Materials Today: Proceedings. - 2020. - Vol. 26. - P. 350-355. -DOI: 10.1016/j.matpr.2019.12.029.

20. Patel V.D., Gandhi A.H. Analysis and modeling of surface roughness based on cutting parameters and tool nose radius in turning of AISI D2 steel using CBN tool // Measurement. - 2019. - Vol. 138. - P. 34-38. -DOI: 10.1016/j.measurement.2019.01.077.

170

21. Rodríguez J., Munoz-Escalona P., Cassier Z. Influence of cutting parameters and material properties on cutting temperature when turning stainless steel // Revista de la Facultad de Ingeniería Universidad Central de Venezuela. - 2011. - Vol. 26 (1). - P. 71-80.

22. Rajput R.K. A textbook of fluid mechanics and hydraulic machines. - New Delhi: S. Chand, 2004. -ISBN 9789385401374.

23. Optimization of CNC turning parameters on aluminum alloy 6063 using Taguchi Robust Design / A. Saravanakumar, S.C. Karthikeyan, B. Dhamotharan, V. Gokul kumar // Materials Today: Proceedings. -2018. - Vol. 5 (2). - P. 8290-8298. - DOI: 10.1016/j. matpr.2017.11.520.

24. Smith W.F. Structure and properties of engineering alloys. - New York: McGraw-Hill, 1981. - 512 p. -ISBN 0070585601. - ISBN 978-0070585607.

25. Zou B., Chen M., Li S. Study on finish-turning of NiCr20TiAl nickel-based alloy using Al2O3/TiN-coated carbide tools // The International Journal of Advanced Manufacturing Technology. - 2011. - Vol. 53 (1). -P. 81-92. - DOI: 10.1007/s00170-010-2823-z.

26. Dessoly V., Melkote S.N., Lescalier C. Modeling and verification of cutting tool temperatures in rotary tool turning of hardened steel // International Journal of Machine Tools and Manufacture. - 2004. -

Конфликт интересов

Vol. 44 (14). - p. 1463-1470. - DOI: 10.1016/j. ijmachtools.2004.05.007.

27. Rezende B.A., Magalhaes F.C., Rubio J.C.C. Study of the measurement and mathematical modelling of temperature in turning by means equivalent thermal conductivity // Measurement. - 2020. - Vol. 152. -P. 107275. - DOI: 10.1016/j.measurement.2019.107275.

28. Kitagawa T., Kubo A., Maekawa K. Temperature and wear of cutting tools in high-speed machining of Inconel 718 and Ti-6Al-6V-2Sn // Wear. - 1997. -Vol. 202 (2). - P. 142-148. - DOI: 10.1016/S0043-1648(96)07255-9.

29. Pawade R.S., Joshi S.S. Analysis of acoustic emission signals and surface integrity in the high-speed turning of Inconel 718 // Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. - 2012. - Vol. 226 (1). - P. 3-27. -DOI: 10.1177/0954405411407656.

30. Prediction of surface roughness and cutting zone temperature in dry turning processes of AISI304 stainless steel using ANFIS with PSO learning / M. Aydin, C. Karakuzu, M. Uçar, A. Cengiz, M.A. Çavuçlu // The International Journal of Advanced Manufacturing Technology. - 2013. - Vol. 67 (1). - P. 957-967. -DOI: 10.1007/s00170-012-4540-2.

Авторы заявляют об отсутствии конфликта интересов.

© 2024 Авторы. Издательство Новосибирского государственного технического университета. Эта статья доступна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная (https://creativecommons.org/licenses/by/4.0).

OBRABOTKA METALLOV

MATERIAL SCIENCE

Obrabotka metallov (tekhnologiya, oborudovanie, instrumenty) = Metal Working and Material Science. 2024 vol. 26 no. 1 pp. 155-174 ISSN: 1994-6309 (print) / 2541-819X (online) DOI: 10.17212/1994-6309-2024-26.1-155-174

Obrabotka metallov -

Metal Working and Material Science

Journal homepage: http://journals.nstu.ru/obrabotka_metallov

Semi empirical modeling of cutting temperature and surface roughness in turning of engineering materials with TiAlN coated carbide tool

Nilesh Patil1 a, Atul Saraf2'b, Atul Kulkarni3'c

1 Marathwada Institute of Technology, Aurangabad-431010, Maharashtra State, India

2

National Institute of Technology, Surat, Gujarat 395007, India

3

Vishwakarma Institute of Information Technology, Survey No. 3/4, Kondhwa (Budruk), Pune - 411048, Maharashtra, India

" https://orcid.org/0000-0002-4884-4267. ©nileshgpatilwirediffinail.com: b https://orcid.org/0000-0003-4776-6874. © atul.sarafD01(g!gmail.com; C https://orcid.org/0000-0002-6452-6349. © atul.kulkarniwiviit.ac.in

ARTICLE INFO

Article history. Received: 20 September 2023 Revised. 31 October 2023 Accepted: 22 January 2024 Available online: 15 March 2024

Keywords:

Semi-empirical model Regression model Temperature Surface roughness

Introduction. In manufacturing, obtaining a given surface roughness of the machined parts is of great importance to fulfill functional requirements. However, the surface roughness significantly affected by the heat generated during the machining process, which can lead to a decrease in dimensional accuracy. The surface roughness significantly affects the fatigue characteristics of the part, and the service life of the cutting tool is determined by the cutting temperature generation. The purpose of the work. The purpose of this study is to create semi-empirical models for predicting surface roughness and temperature of various work materials. Enhanced cutting performance is achieved by accurately determining the cutting temperature in the machined zone. However, calculating the cutting temperature for each specific case is fraught with difficulties in terms of labor resources and financial investments. This paper presents a comprehensive empirical formula designed to predict both theoretical temperature and surface roughness. Methodology, The performance of the surface roughness and temperature generation was evaluated for the EN 8, Al 380, SS 316 and SAE 8620 materials when processed with TAlN-coated carbide tools. The TiAlN coating was obtained by Physical Vapor Deposition (PVD) technique. Response surface methodology was used to prepare predictive models. Cutting speed (from 140 to 340 m/min), feed (from 0.08 to 0.24 mm/rev) and depth of cut (from 0.6 to 1 mm) were used as input parameters to measure the characteristics of all materials in terms of surface roughness and cutting temperature. The tool-work thermocouple principle was used to measure the temperature at the chip-tool interface. Novel Calibration Setup was developed to establish the relationship between the Electromotive Force (EMF) generated during machining and the cutting temperature. Results and Discussion. It is observed that the energy required for mechanical processing was largely converted into heat. The highest cutting temperature is recorded with SS 316, followed by SAE 8620 and EN 8. However, low temperature was reported during machining of Al 380 and it was mainly governed by the thermal conductivity of the material. The lowest surface roughness is observed for SAE 8620, EN 8, followed by SS 316 and Al 380. The semi-empirical method and regression model equations are in good agreement with each other. Statistical analysis of the nonlinear evaluation reveals that cutting speed, feed rate, and material density have a greater influence on the surface roughness, whereas depth of cut has a greater influence on the temperature change. The study will be very useful for predicting industrial performance when machining EN 8, Al 380, SS 316 and SAE 8620 materials with TAlN-coated carbide tools.

For citation: Patil N.G., Saraf A.R., Kulkarni A.P Semi empirical modeling of cutting temperature and surface roughness in turning of engineering materials with TiAlN coated carbide tool. Obrabotka metallov (tekhnologiya, oborudovanie, instrumenty) = Metal Working and Material Science, 2024, vol. 26, no. 1, pp. 155-174. DOI: 10.17212/1994-6309-2024-26.1-155-174. (In Russian).

References

1. Ghosh P.S., Chakraborty S., Biswas A.R., Mandal N.K. Empirical modelling and optimization of temperature and machine vibration in CNC hard turning. Materials Today: Proceedings, 2018, vol. 5 (5), pp. 2394-12402. DOI: 10.1016/j.matpr.2018.02.218.

* Corresponding author

Kulkarni Atul P., Ph.D. (Engineering), Professor Vishwakarma Institute of Information Technology, Survey No. 3/4, Kondhwa (Budruk), Pune - 411048, Maharashtra, India Tel.: 91-2026950419, e-mail: [email protected]

172 Vol. 26 No. 1 2024

2. Groover M.P. Fundamentals of modern manufacturing: materials, processes, and systems. 4th ed. Hoboken, NJ, Wiley, 2010. 1012 p. ISBN 978-0470-467002.

3. Zhao J., Liu Z., Wang B., Hua Y., Wang Q. Cutting temperature measurement using an improved two-color infrared thermometer in turning Inconel 718 with whisker-reinforced ceramic tools. Ceramics International, 2018, vol. 44 (15), pp. 19002-19007. DOI: 10.1016/j.ceramint.2018.07.142.

4. Kakade H.B., Patil N.G. Comparative investigations into high speed machining of AB titanium alloy (Ti-6al-4v) under dry and compressed Co2 gas cooling environment. AIP Conference Proceedings, 2018, vol. 2018 (1), pp. 20009-1-20009-9. DOI: 10.1063/1.5058246.

5. Gunjal S.U., Sanap S.B., Patil N.G. Role of cutting fluids under minimum quantity lubrication: an experimental investigation of chip thickness. Materials Today: Proceedings, 2020, vol. 28 (2), pp. 1101-1105. DOI: 10.1016/j. matpr.2020.01.090.

6. Kulkarni A.P., Chinchanikar S., Sargade V.G. Dimensional analysis and ANN simulation of chip-tool interface temperature during turning SS304. Obrabotka metallov (tekhnologiya, oborudovanie, instrumenty) = Metal Working and Material Science, 2021, vol. 23, no. 4, pp. 47-64. DOI: 10.17212/1994-6309-2021-23.4-47-64. (In Russian).

7. Kumar R., Sahoo A.K., Das R.K., Panda A., Mishra P.C. Modelling of flank wear, surface roughness and cutting temperature in sustainable hard turning of AISI D2 steel. Procedia Manufacturing, 2018, vol. 20, pp. 406413. DOI: 10.1016/j.promfg.2018.02.059.

8. Gosai M., Bhavsar S.N. Experimental study on temperature measurement in turning operation of hardened steel (EN36). Procedia Technology, 2016, vol. 23, pp. 311-318. DOI: 10.1016/j.protcy.2016.03.032.

9. Abhang L.B., Hameedullah M. Chip-tool interface temperature prediction model for turning process. International Journal of Engineering Science and Technology, 2010, vol. 2 (4), pp. 382-393.

10. Doniavi A., Eskanderzade M., Tahmsebian M. Empirical modeling of surface roughness in turning process of 1060 steel using factorial design methodology. Journal of Applied Sciences, 2007, vol. 7 (17), pp. 2509-2513. DOI: 10.3923/jas.2007.2509.2513.

11. Verma V., Kumar J., Singh A. Optimization of material removal rate and surface roughness in turning of 316 steel by using full factorial method. Materials Today: Proceedings, 2020, vol. 25, pp. 793-798. DOI: 10.1016/j. matpr.2019.09.029.

12. Das D., Ali R.F., Nayak B.B., Routara B.C. Investigation on surface roughness and chip reduction coefficient during turning aluminium matrix composite. Materials Today: Proceedings, 2019, vol. 5 (11), pp. 23541-23548. DOI: 10.1016/j.matpr.2018.10.142.

13. Bhople N., Patil N., Mastud S. The experimental investigations into dry turning of austempered ductile iron. Procedia Manufacturing, 2018, vol. 20, pp. 227-232. DOI: 10.1016/j.promfg.2018.02.033.

14. Aouici H., Yallese M.A., Chaoui K., Mabrouki T., Rigal J.F. Analysis of surface roughness and cutting force components in hard turning with CBN tool: prediction model and cutting conditions optimization. Measurement, 2012, vol. 45 (3), pp. 344-353. DOI: 10.1016/j.measurement.2011.11.011.

15. Longbottom J.M., Lanham J.D. Cutting temperature measurement while machining - a review. Aircraft Engineering and Aerospace Technology, 2005, vol. 77 (2), pp. 122-130. DOI: 10.1108/00022660510585956.

16. Korkut I., Acir A., Boy M. Application of regression and artificial neural network analysis in modelling of tool-chip interface temperature in machining. Expert Systems with Applications, 2011, vol. 38 (9), pp. 11651-11656. DOI: 10.1016/j.eswa.2011.03.044.

17. Dhar N.R., Kamruzzaman M. Cutting temperature, tool wear, surface roughness and dimensional deviation in turning AISI-4037 steel under cryogenic condition. International Journal of Machine Tools and Manufacture, 2007, vol. 47 (5), pp. 754-759. DOI: 10.1016/j.ijmachtools.2006.09.018.

18. Patil N.G., Brahmankar P.K. Semi-empirical modeling of surface roughness in wire electro-discharge machining of ceramic particulate reinforced Al matrix composites. Procedia CIRP, 2016, vol. 42, pp. 280-285. DOI: 10.1016/j.procir.2016.02.286.

19. Patel D.R., Kiran M.B. A non-contact approach for surface roughness prediction in CNC turning using a linear regression model. Materials Today: Proceedings, 2020, vol. 26, pp. 350-355. DOI: 10.1016/j.matpr.2019.12.029.

20. Patel V.D., Gandhi A.H. Analysis and modeling of surface roughness based on cutting parameters and tool nose radius in turning of AISI D2 steel using CBN tool. Measurement, 2019, vol. 138, pp. 34-38. DOI: 10.1016/j. measurement.2019.01.077.

21. Rodríguez J., Munoz-Escalona P., Cassier Z. Influence of cutting parameters and material properties on cutting temperature when turning stainless steel. Revista de la Facultad de Ingeniería Universidad Central de Venezuela,

2011, vol. 26 (1), pp. 71-80.

22. Rajput R.K. A textbook of fluid mechanics and hydraulic machines. New Delhi, S. Chand, 2004. ISBN 9789385401374.

23. Saravanakumar A., Karthikeyan S.C., Dhamotharan B., Gokul kumar V. Optimization of CNC turning parameters on aluminum alloy 6063 using Taguchi Robust Design. Materials Today: Proceedings, 2018, vol. 5 (2), pp. 8290-8298. DOI: 10.1016/j.matpr.2017.11.520.

24. Smith W.F. Structure and properties of engineering alloys. New York, McGraw-Hill, 1981. 512 p. ISBN 0070585601. ISBN 978-0070585607.

25. Zou B., Chen M., Li S. Study on finish-turning of NiCr20TiAl nickel-based alloy using Al2O3/TiN-coated carbide tools. The International Journal of Advanced Manufacturing Technology, 2011, vol. 53 (1), pp. 81-92. DOI: 10.1007/s00170-010-2823-z.

26. Dessoly V., Melkote S.N., Lescalier C. Modeling and verification of cutting tool temperatures in rotary tool turning of hardened steel. International Journal of Machine Tools and Manufacture, 2004, vol. 44 (14), pp. 14631470. DOI: 10.1016/j.ijmachtools.2004.05.007.

27. Rezende B.A., Magalhaes F.C., Rubio J.C.C. Study of the measurement and mathematical modelling of temperature in turning by means equivalent thermal conductivity. Measurement, 2020, vol. 152, pp. 107275. DOI: 10.1016/j.measurement.2019.107275.

28. Kitagawa T., Kubo A., Maekawa K. Temperature and wear of cutting tools in high-speed machining of Inconel 718 and Ti-6Al-6V-2Sn. Wear, 1997, vol. 202 (2), pp. 142-148. DOI: 10.1016/S0043-1648(96)07255-9.

29. Pawade R.S., Joshi S.S. Analysis of acoustic emission signals and surface integrity in the high-speed turning of Inconel 718. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2012, vol. 226 (1), pp. 3-27. DOI: 10.1177/0954405411407656.

30. Aydin M., Karakuzu C., U?ar M., Cengiz A., £avu§lu M.A. Prediction of surface roughness and cutting zone temperature in dry turning processes of AISI304 stainless steel using ANFIS with PSO learning. The International Journal of Advanced Manufacturing Technology, 2013, vol. 67 (1), pp. 957-967. DOI: 10.1007/s00170-012-4540-2.

Conflicts of Interest

The authors declare no conflict of interest.

© 2024 The Authors. Published by Novosibirsk State Technical University. This is an open access article under the CC BY license (http://creativecommons.org/licenses/by/4.0).