CVD涂層刀具高速銑削天然大理石表面粗糙度研究*

蘇曉云，閆秀麗，蔡 宏

(包頭鋼鐵職業技術學院 機械系，內蒙古 包頭 014010)

CVD涂層刀具高速銑削天然大理石表面粗糙度研究*

蘇曉云，閆秀麗，蔡 宏

(包頭鋼鐵職業技術學院 機械系，內蒙古 包頭 014010)

為了提高大理石加工表面質量，改進表面粗糙度，通過設計正交試驗方案，進行CVD涂層刀具高速銑削天然大理石試驗，檢測加工表面粗糙度，分析天然大理石表面粗糙度隨著單一切削參數的變化規律，并基于經驗公式，以切削速度、切削深度及進給速度為影響因素建立加工大理石表面粗糙的預測模型。通過試驗得到大理石表面粗糙度隨著切削速度的增加而降低，隨著進給速度和切削深度的增加而增加。結果表明：預測模型具有較高的顯著性，為優化切削參數以改善加工大理石表面質量提供一定的參考；切削深度是影響加工大理石表面粗糙度的主要因素。

正交試驗；大理石；表面粗糙度；預測模型

0 前言

天然大理石是主要的裝修用的飾面石材、建筑裝飾，尤其是表面整體潔白的大理石，作為室內外飾面效果好、裝飾耐久，近年來，隨著生活水平的提高，人們也在不停地更新對本身的生活環境的美學觀念，天然大理石也越來越多地出現在家居裝飾裝修中，需求量變得更大的同時也對天然大理石裝飾品的加工提出了更高的要求，普通的手工雕刻既費時費力，又難以保證加工精度，將高速加工技術應用于天然大理石裝飾品的加工，不僅可以大幅提高加工精度，而且能夠使加工效率大大提升[1-2]。

高速銑削加工中，工件的表面粗糙度既是評價工件加工質量的重要指標，同時也是機械零件實現其使用性能的重要技術要求[3-4]。表面粗糙度對零件的接觸剛度、耐腐蝕性能、疲勞強度等有著非常大的影響[5]。因此，在實際銑削加工過程中，根據切削參數的變化對加工大理石工件的表面粗糙度進行檢測可以為銑削參數的選擇和表面質量的控制提供依據，對實際生產具有重要的應用價值[6-7]。吳德會[8]采用最小二乘支持向量機方法預測銑削加工參數對加工表面粗糙度的影響，其預測精度較高且速度快；陳英俊等[9]利用徑向基網絡預測高速銑削模具型腔表面粗糙度，實現了較高的預測精度；段春爭等[10]提出一種粒子群優化最小二乘支持向量機算法，用來預測高速銑削加工表面粗糙度，其預測精度高、泛化能力強。目前，較多文獻研究高速銑削碳鋼類材料時切削參數對加工表面粗糙度的影響及預測，很少有文獻介紹切削參數對大理石加工表面粗糙度的影響關系。本文通過CVD涂層刀具高速銑削天然大理石試驗，對加工后的大理石表面粗糙度隨切削參數的變化規律進行分析與研究，找到影響高速銑削加工大理石表面粗糙度的關鍵因素，并建立表面粗糙度關于切削參數的預測模型，為今后的大理石裝飾品的數控加工提供一定的參考。

1 試驗設計

1.1 試驗材料及設備

本試驗所采用的大理石，如圖1所示，主要成分是CaCO3，體積密度為2800kg/m3、吸水率為0.16%、抗壓強度1072MPa、抗彎強度10.3MPa，冷卻方式：外部水冷。試驗刀具：試驗使用的刀具為D6CVD球頭銑刀，如圖2所示。

圖1 試驗樣件

圖2 試驗刀具

本試驗所用的數控加工機床為異型石材車銑加工中心，其主要針對當前石材制品向著精品化、異型化方向發展的趨勢，特別是針對國內在三維雕塑制品和回轉體異型石材制品方面的技術空白而研制。異型石材車銑復合加工中心為八軸五聯動數控加工中心，配有立式和臥式兩個工作臺，車削和銑削兩個獨立的工作頭，本實驗利用銑削工作頭進行加工試驗。

本次試驗使用粗糙度檢測設備為Taylor-Hobson粗糙度測試儀，如圖3所示。FormTalysurf電感系列儀是市場領先的基準儀器，適用于三維輪廓形狀和粗糙度的測量等；其相應分辨率為16nm、垂直量程為1mm、可完成全程200mm的測量，以橫向(X軸)數據點間距為0.15μm進行數據記錄；可用于陶瓷或其他材質粗糙度以及輪廓的精密測量，并且更加精確的測量細微的特征和小的部件，減少逆向和正向誤差。

圖3 粗糙度測試儀

1.2 試驗設計

正交試驗設計是分式析因研究的首選方法。本次試驗選用L16(43)正交表來進行，如表1所示，以進給速度、切削速度、切削深度作為3個因素，每個因素選擇了4個水平，根據CVD涂層刀具強度以及加工中心的功率，綜合考慮選擇切削速度vc=38、76、114、152(m/min)，切削深度ap=1、2、3、4(mm)，進給速度vf=1000、2000、3000、4000(mm/min)，共16組試驗。

檢查準備好的刀具和加工材料，在機床加工車間，輸入數控程序，在累計固定行程約為100m的情況下，按照試驗方案進行切削試驗，將試驗加工后的大理石試件用水清洗后風干，利用粗糙度儀進行測試，如圖4所示。為了得到較準確的粗糙度值，在待測的表面隨機取三處測量區域，每段的檢測測量長度為50mm。通過粗糙度測試探頭測得工件表面的輪廓，并通過軟件對其處理后得到表面粗糙度的測量值。如表2所示，每個表面測量后即可得到三個粗糙度值，取三個數據的平均值即作為此表面的粗糙度值，進一步形象地用圖5表示出了表2中不同試驗號表面粗糙度變化規律。

表1 正交試驗表

圖4 測量試驗工件粗糙度

Ra1(μm)Ra2(μm)Ra3(μm)Ra(μm)11．98821．99742．03782．007822．64932．65572．64802．651033．48023．48853．47853．482444．60864．59644．60884．604652．59072．58292．58832．587361．73201．72641．72751．728574．48754．50714．51804．504283．48053．48673．48033．482593．07523．07043．07463．0734104．50484．50114．50074．5022111．71831．72261．71791．7196122．35592．35182．35012．3526134．06994．06424．07174．0686142．95272．95892．95732．9563152．17902．17762．17892．1785161．71621．72131．72191．7198

圖5 不同試驗號表面粗糙度變化規律

2 試驗結果分析

2.1 切削參數對表面粗糙度影響分析

圖6為大理石材料已加工表面形貌的高倍SEM照片，通過觀察加工表面能夠發現，加工后工件表面產生表面紋理，它是刀具銑削加工工件后最終形成的表面形貌，清楚地映射出了刀具切削刃的運動軌跡。從圖6易看出，工件表面上復刻了刀具切削刃形狀，在刀具的切削軌跡上分布著沿切削運動方向細小的溝槽，其的產生有兩個方面的原因:一是刀具磨損表面上粗糙溝槽在工件切削表面上的復刻，二是刀具表面上硬質點對工件切削表面的犁耕。犁壟不但影響到已加工表面粗糙度，而且還反作用于刀具表面，使附加溝槽產生在刀具表面上，使刀具磨損加劇，形成惡性循環。

已加工表面上存在著顆粒脫落留下的不規則凹坑，加工中有些顆粒破碎，另一些碎屑拔出形成凹陷，有些顆粒被刀具推擠在加工表面耕犁形成犁溝，這些顆?？赡苊撀浠虮坏毒邏喝氡砻?，產生上述現象是由于在高速切削過程中，材料受到強烈的擠壓和摩擦，粘結相發生塑性變形，表層晶粒間的某些粘結相被擠出，隨著粘結相的流失，破壞了穩定的骨架，使某些顆粒不斷拔出，晶粒脫落和相擠出使加工表面的微觀結構呈現孔洞。

圖6 大理石表面形貌高倍SEM圖

圖7為在不同的切削參數下具有代表性的天然大理石加工表面SEM低倍圖，從圖中易發現在不同的工藝參數下天然大理石加工表面破損程度不同，這是由于不同的工藝參數對加工質量的影響不同。

圖7 不同工藝參數下加工表面對比

高速銑削時，隨著切削速度的升高，切削功率增加，單位時間釋放的熱量相應地增加，因此切削溫度提高，軟化了切屑底層，形成了很薄的微熔層，從而抑制加工表層材料的粘著和脫落，導致表面在反復碾壓作用下趨于光滑，刀具與切屑的摩擦系數降低，因而，切削力減小，減少了粘結相的塑性變形，使得晶粒牢固緊湊，減少了晶粒的脫落、撥出，不僅減少了凹坑的產生，而且減少了晶粒對加工表面的耕犁；另一方面，由于切削速度增大時基體材料應變率增大，基體還來不及變形，顆粒就被切斷而不是拔出，因此減少了凹坑和裂紋的產生。從圖8a可以看出，高速銑削過程中，隨著切削速度的提高，零件表面粗糙度增加。

從圖8c可以看出，隨著切削深度的增加，表面粗糙度增加。因為切削深度增加，切削面積就會增大，導致切削力增加，加劇了刀具與工件表面的摩擦，粘結相發生嚴重的變形，導致晶粒劇烈的脫落、拔出，產生了較多的凹坑與裂紋，因此表面光潔度降低，表面粗糙度增加。

圖8 表面粗糙度隨加工參數變化曲線

2.2 表面粗糙度預測模型的建立

為了更好的指導生產實際，有必要建立起表面粗糙度與各影響因素之間的內在聯系?；诮涷灩?，建立表面粗糙度預測模型，假定表面粗糙度是3個獨立變量(切削速度、進給速度、切削深度)的指數函數，表面粗糙度可表示為：

(1)

式中：b1、b2、b3分別是各自獨立變量的相關系數；K是與工件材料、刀具材料、切削條件等相關的系數。

將式(1)兩端取對數，有：

lnRa=lnK+b1lnvc+b2lnvf+b3lnap

(2)

令b0=lnK，x1=lnvc，x2=lnvf，x3=lnap，y=lnRa，代入式(2)得：

y=b0+b1x1+b2x2+b3x3

(3)

式(3)為線性回歸方程，即自變量x1、x2、x3與因素y之間存在線性關系。本次試驗數據如表1、表2所示，共有16組數據，采用最小二乘法原理對表面粗糙度預測模型的系數進行估計，利用MATLAB軟件進行計算，最終得到表面粗糙度與切削參數的關系為：

(4)

從預測模型式(4)中可以看出，對表面粗糙度影響最大的因素是切削深度，切削速度次之，影響最小的因素是進給速度。

2.3 預測模型的檢驗

雖然表面粗糙度預測模型有一定根據，但只是一種假設，建立之前并不能確立其關系的正確性，因此需要進行相關檢驗。為了精確地進行檢驗，試驗值yi與按公式預測值Yi不可能完全一致，即試驗點(xi，yi)并不能完全落在預測模型的函數曲線上，各試驗點偏離曲線的程度，可用它們的總偏差來表征，y是各試驗yi的平均值，將總偏差平方和ST分解為殘差平方和SE和回歸平方和SA，用F檢驗對預測模型進行顯著性檢驗，即:

F=SA/PSE(n-p-1)～F(p,n-p-1)

(5)

式中：p為變量個數，n為試驗次數。

本實驗的變量個數p為3，試驗次數n為16，經計算，在給定顯著水平=0.01的條件下，由于F=35.27>F0.01(3,12)=5.95，所以表面粗糙度Ra的顯著性很高。因此可以用式(4)預測加工大理石表面粗糙度，并且由預測模型能夠很好地掌握表面粗糙度隨切削參數的變化規律，同時本文所建立的基于經驗公式的表面粗糙度預測模型對于優化切削參數具有一定的實用價值。

3 結束語

(1) 分析CVD涂層刀具高速銑削天然大理石試驗結果可知，大理石表面粗糙度隨著切削速度的增加而降低；隨著進給速度和切削深度的增加而增加，這對加工大理石表面時選擇合理的切削參數達到理想表面粗糙度給出了一定參考意義。

(2) 表面粗糙度預測模型具有統計學顯著影響效應，根據設定切削參數可以很好地預測加工表面粗糙度，同時可以優化切削參數改進表面粗糙度，為預測大理石加工表面粗糙度提供了理論基礎，具有一定實用價值。

(3) 從表面粗糙度的預測模型中可以看出，三個切削參數中對粗糙度影響最大的是切削深度，切削速度次之，影響最小的是進給速度。因此得出，影響粗糙度的關鍵因素是切削深度，要改善大理石加工表面質量，應主要考慮適當減小切削過程中的切削深度。

[1] 孫林, 楊世元.基于最小二乘支持矢量機的成形磨削表面粗糙度預測及磨削用量優化設計[J].機械工程學報，2009,45(10):254-259.

[2]MuratYurdakul,HurriyetAkdas.PredictionofSpecificCuttingEnergyforLargeDiameterCircularSawsduringNaturalStoneCutting[J].InternationalJournalofRockMechanics&MiningSciences,2012,53:38-44.

[3] 王海濤，劉偉強，楊建國.基于RBF神經網絡的磨削表面粗糙度預測模型[J]. 機床與液壓，2014, 42(3):107-111.

[4] 張寶磊,熊藝文,王為慶,等. 高速銑削TC4表面粗糙度預測模型研究[J]. 組合機床與自動化加工技術,2015(3):108-110.

[5] 彭展.論表面粗糙度對零件使用性能的影響[J]. 時代農機，2015, 42(4):36-37.

[6] 吳玉厚，王宇，李頌華. 氧化鋯陶瓷軸承套圈內圓磨削力的試驗研究[J].機械設計與制造，2015(9):159-161.

[7] 程文濤.基于神經網絡的成形磨削表面粗糙度研究[D]. 長沙:湖南大學，2006.

[8] 吳德會.基于最小二乘支持向量機的銑削加工表面粗糙度預測模型[J]. 中國機械工程，2007, 18(7):838-841.

[9] 陳英俊，陳慶華.徑向基函數神經網絡在高速銑削表面粗糙度預測中的應用[J]. 組合機床與自動化加工技術，2013(6):6-8.

[10] 段春爭，郝清龍. 45鋼高速銑削表面粗糙度預測[J]. 哈爾濱工程大學學報,2015,36 (9):1229-1233.

[11] 吳玉厚，趙德宏.異型石材數控加工裝備與技術[M]. 北京:科學出版社，2011.

(編輯 李秀敏)

Study on Surface Roughness during CVD Coating Cutting Tools Milling the Natural Marble

SUXiao-yun,YANXiu-li,CAIHong

(SchoolofMechanics,BaotouIronandSteelVocationalTechnicalCollege,BaotouInnerMongolia014010,China)

Toimprovethesurfacequalityofmarbleprocessingandpolishupthesurfaceroughness，aorthogonaltestschemeisdesignedforCVDcoatedtoolshigh-speedmillingmarbletest.Throughdetectionofmachinedsurfaceroughness,theeffectofthesinglecuttingparametervariationonsurfaceroughnessofthenaturemarblewasanalyzed.Thepredictionmodelofthesurfaceroughnessofmarbleisestablishedwiththeinfluenceofcuttingspeed,cuttingdepthandfeedspeed.Throughtheexperiment,thesurfaceroughnessofmarbledecreaseswiththeincreasingofcuttingspeed,andincreaseswiththeincreasingoffeedspeedanddepthofcut.Theresultsshowthatthepredictionmodelhasahighconspicuousness,whichprovidesareferenceforoptimizingthecuttingparametersinordertoimprovethesurfacequalityoftheprocessingmarble.Andcuttingdepthisthemainfactorthatinfluencesthesurfaceroughnessofmarble.

orthogonaltest;marble;surfaceroughness;predictionmodel

1001-2265(2016)12-0035-04DOI:10.13462/j.cnki.mmtamt.2016.12.010

2015-12-10；

2016-01-25

國家自然科學基金資助項目(51375317)

蘇曉云(1969—)，男，內蒙古包頭人，包頭鋼鐵職業技術學院副教授，高級工程師，碩士，研究方向為機械工程，(E-mail)1290975102@qq.com。

TH140;TG

A