Выбор оптимального варианта комплекса исходных параметров в математической модели температуры резания Текст научной статьи по специальности «Механика и машиностроение»

УДК 621.91.02

ВЫБОР ОПТИМАЛЬНОГО ВАРИАНТА КОМПЛЕКСА ИСХОДНЫХ ПАРАМЕТРОВ В МАТЕМАТИЧЕСКОЙ МОДЕЛИ

ТЕМПЕРАТУРЫ РЕЗАНИЯ

В.Ч. Хоанг, В.С. Сальников

Рассмотрен вопрос повышения эффективности металлообработки резанием. Проведен анализ влияния различных параметров процесса резания на температуру резания, обоснование и выбор оптимального варианта комплекса входных параметров в математической модели температуры резания.

Ключевые слова: Резание, моделирование, обучение, нейронная сеть.

Эффективность процесса механообработки определяется технико-экономическими показателями процесса резания, которые на прямую зависят от оптимальности выбранного режима резания. Под термином «режим резания» понимается совокупность числовых значений глубины резания, подачи, скорости резания, геометрических параметров и стойкости режущей части инструмента. К параметрам, характеризующим условия резания следует, отнести силу и температуру резания [1]. На эти параметры значительное влияние оказывают марка обрабатываемого материала и материала режущей части резца, их физико-механические свойства, состояние их поверхностей, вид обработки (точение, фрезерование, сверление и т.д.), характер обработки (черновая или чистовая), условия обработки (непрерывная или прерывистая).

Среди наиболее информативных параметров, характеризующих условия резания следует выделить Р и в. Они наиболее доступные для измерения. В данной работе для построения математической модели, предложено использовать искусственные нейронные сети. Создание модели процесса резания с использованием искусственных нейронных сетей дает возможность применить накопленный исследовательский опыт, а также эмпирические зависимости. Они формируют базу существующих знаний о процессе резания для ее обучения. Такая модель впоследствии может быть использована как адаптивная модель управления и контроля процесса резания, оптимизации режимов резания, прогнозированием износа инструмента и т.д. На основе проведенного анализа для моделирования температуры и силы резания, предложена нейронная сеть вида многослойного персептрона со структурой: 6 синапсов во входном слое, 24 синапса в скрытом слое, 1 синапса (в) в выходном слое. На эти параметры одновременно оказывают влиять различные факторы, имеющие различную степень влияния. Существуют различные варианты комплексов входных синапсов

нейронной сети при моделировании температуры резания. В данной работе для разрежения этих неопределенностей, проведена сравнительная оценка степени влияния различных факторов на температуру резания.

Кроме основных параметров режима резания (скорость, подача и глубина резания), рассмотрены тепломеханические характеристики обрабатываемого и инструментального материалов (предел прочности, теплопроводность, температурнопроводность) и геометрические характеристики инструмента (главный угол в плане, передний угол, радиус закругления вершины режущей части). В результате известных исследований получен большой объем данных, которые определяют эмпирическую связь условий обработки с различными выходными характеристиками процесса [1, 2].

Для оценки влияния этих параметров на температуру резания, проведены расчёты на основе методики В. В. Щипанова [3]. При построении графиков использовалась средняя температура резания, т.к. характер изменения температуры резания в зависимости от изменения аргумента аналогичен характеру изменения средних температур на контактных площадках на передней и задней поверхностях инструмента. В качестве аргументов приняты относительные значения параметров, применяемых при расчете температуры резания.

Расчеты выполнялись на основе математического метода множественного регрессионного анализа для следующих условий: обрабатываемый материал -ШХ15: ав = 700МПа, Лд = 37 Вт/(М С), сод = 8,04 • 106 М2/с; коэффициент усадки к = 2; инструментальный материал Т14К8: Ли = 33,9 Вт/(М 0 С); параметры резцов: углы в плане (р = фх = 450, передний угол у= 00, задний угол а = 120, угол заострения ¡5 = 900, г = 2мм, Ь = 3мм; режим резания: скорость резания V = 60м / мин; подача Б = 0,5 мм / обр; глубина резания I = 4,1мм.

На основе выбранного ряда значений, указанных выше, изменялись значения каждого параметра из указанных выше на ± 50, ± 25, ± 10, ± 5 %.

Зависимость температуры резания от коэффициентов температуропроводности (ад), теплопроводности (Лд) и предела прочности обрабатываемого материала (ав) на рис. 1 представляется. Из графики видно, что предел прочности обрабатываемого материала практически не влияет на температуру резания. Коэффициенты тепло и температуропроводности используются при расчете температуры деформации, средних температур стружки и изделия [2]. С увеличением коэффициента теплопроводности температура резания снижается, это связано с ростом итогового теплового потока, направленного через контактную площадку на задней поверхности инструмента в изделие. При увеличении коэффициента температуропроводности наблюдается обратная зависимость.

Рис. 1. Влияния тепломеханических характеристик обрабатываемого материала на температуру резания

% Нчменеши аргумента

Рис. 2. Влияния характеристик инструмента на температуру резания

Зависимость температуры резания от коэффициента теплопроводности инструментального материала (Ли), главного угла в плане (р), радиус закругления вершины резца (г) на температуру резания показана на рис. 2. Коэффициент теплопроводности инструментального материала используется для расчета средних значений температур на контактных площадках передней и задней поверхностях инструмента. Уменьшение коэффициента теплопроводности инструментального материала приводит к увеличению средних значений температур на контактных площадках и, следовательно, приводит к росту температуры резания. Главный угол в плане используется при расчете ширины и толщины среза. При увеличе-

нии главного угла в плане происходит увеличение толщины среза и увеличение интенсивности теплового потока на надрезцовой стороне стружки. Все это ведет к росту температуры. Увеличение радиуса закругления вершины резца вызывает уменьшение температуры резания. Это объясняется тем, что с увеличением радиуса закругления вершины увеличивается отвод тепла в обрабатываемое изделие.

Вывод: На основе анализа степени влияния резания различных параметров на температуру резания, предложено в нейронной сети для моделирования температуры резания использовать 6 синапсы во входном слое: скорость, подача, глубина резания; теплопроводность обрабатываемого материала, главный угол в плане и радиус закругления вершины резца.

Список литературы

1. Резников А.Н. Теплофизика процессов механической обработки материалов. М.: Машиностроение, 1981. 279с.

2.Сальников В.С., Хоанг В.Ч. Математическая модель тепловых процессов в зоне резания // Известия ТулГУ. Технические науки. Выпуск 5. Тула: Изд-во ТулГу, 2012. С. 56-62.

3. Пушных В. А., Бибик В.Л. Оценка влияния исходных данных на результаты расчета температуры в зоне резания // Известия ТПУ. №4, Т.309. Томск: Изд-во ТПУ, 2006. С. 134-136.

Хоанг Ван Чи, асп., [email protected], Россия, Тула, Тульский государственный университет,

Сальников Владимир Сергеевч, д-р техн. наук, проф., [email protected], Россия, Тула, Тульский государственный университет

MAKING WISE CHOICES COMPLEX INITIAL PARAMETERS IN THE MATHEMATICAL MODEL OF CUTTING TEMPERA TUREMODELLING

V.C. Hoang, V.S. Salnikov

The question of increase of efficiency of metal working is considered by cutting. The analysis of the effect of various process parameters on cutting cutting temperature, Justification and selection of the optimal variant of the complex input parameters on a mathematical model of cutting temperature.

Key words: Cutting, modeling, training, neural network.

Hoang Van Chi, postgraduate, Hoangchi.phd@gmail. com, Russia, Tula, Tula State University,

Salnikov Vladimir Sergeevis, doctor of technical science, professor, [email protected], Russia, Tula, Tula State University