車用鋁合金銑削參數優化及表面質量研究

趙向陽，吳啟斌

（河南工學院車輛與交通工程學院，河南 新鄉 453003）

1 引言

鋁合金由于在機械性能、抗腐蝕性能以及輕量化等方面具有優勢而被廣泛應用于汽車鈑金類零部件中。在LY12 鋁合金材料的銑削加工過程中對銑削參數包括主軸轉速、進給量、背吃刀量和側吃刀量的選擇在很大程度上影響著工件的表面質量、加工效率、刀具使用壽命、機床的穩定性和生產成本等。在實際生產中，切削用量的選擇主要通過查詢切削手冊，或憑借經驗而確定。因為憑借經驗而定的切削參數使用范圍窄，通過切削手冊查詢的數值僅僅是一個范圍，以及單靠切削試驗來確定的參數具有局限性和復雜性。所以，優化銑削參數一直是機械制造業研究的重要課題。

近年來，許多學者對切削工藝參數的優化進行了研究。文獻[1]在模型參數優化中采用直接求導的方法對切削用量進行了優化求解，文獻[2]運用神經網絡算法對多目標切削參數進行了優化計算，文獻[3-4]以生產率最高為優化目標，建立了各約束邊界，建立了磨削參數的數學優化模型，文獻[5]運用遺傳算法分以磨削余量最大和表面質量最高為目標函數對齒輪成形磨削進行優化計算，文獻[6]采用信噪比和組合權重灰色關聯分析法將碳排放量最低、能量效率最高和材料切除率最高三目標函數轉化為單目標函數優化，運用量子遺傳算法對模型進行優化求解。上述研究以能耗、表面粗糙度、刀具壽命、加工效率和切除率等為目標函數，分別采用了遺傳算法、直接求導法、神經網絡法等，將多目標函數優化模型通過關聯度或者權函數轉化成單目標函數優化模型進行分析求解，具有一定的局限性。針對此問題，首先以Φ20 三刃高速鋼立銑刀銑削硬鋁（LY12）加工為例，以銑削參數為優化指標，以材料切除率和表面粗糙度為目標函數，建立一個合理的銑削加工系統多目標數學模型，其次運用回歸分析方法，建立表面粗糙度預測模型，采用多目標線性規劃法尋找可行區域內滿足多目標數學模型和約束條件的最優解。最后分析了不同銑削用量對表面質量的影響，利用工具顯微鏡觀察其微觀形貌，并進行了對比分析。

2 建立銑削參數工藝優化目標模型

2.1 優化變量的確定

影響銑削質量的因素很多，包括機床功率、加工精度、刀具結構、工件及刀具材料和銑削要素等。但是從理論上講，機床、刀具、工件確定之后，影響銑削質量主要就是銑削四要素。選擇主軸轉速n、進給速度vf、背吃刀量ap和側吃刀量ae為優化變量，計算多目標線性規劃法求出多目標優化模型的最優解。

2.2 優化目標的確定

選擇表面粗糙度（Ra）最低和材料去除率（MRR）RMR最高為優化目標，建立銑削參數的優化模型，如式（1）所示：

2.2.1 材料去除率

2.2.2 表面粗糙度

表面粗糙度是衡量工件加工表面質量的重要指標。在利用數控加工中心進行銑削時，主要是根據材料物理特性、刀具機床的性能以及工件加工要求來確定銑削參數。因此，根據數控加工中心實際銑削要求，在確定好機床和刀具的參數之后，以主軸轉速n，進給量vf，背吃刀量ap和側吃刀量ae為參數變量建立表面粗糙度預測模型[8]，如式（3）所示：

式中：b0—由加工條件、材料特性決定；

b1，b2，b3，b4—個變量的指數。

2.3 建立約束條件

根據機床性能和實際加工要求確定變量取值范圍，如式（4）所示：

3 分析方法

多目標線性規劃有兩個或者兩個以上的目標函數，而且目標函數和約束條件全為線性函數[9]，其數學模型，如式（5）所示：

4 工藝參數多目標優化

4.1 試驗方案

試驗材料選用硬鋁牌號為LY12，其長、寬、高結構尺寸分別是100mm、100mm、50mm。刀具：Φ20 三刃高速鋼，在VDL-800數控銑床上進行加工。采用便攜式粗糙度儀對加工工件進行表面粗糙度測量。利用CAXA 工程師軟件對工件進行建模編程，設定加工路線及銑削參數等，計算出每一道加工工序所用的時間和金屬材料去除的體積來計算金屬去除率。

4.2 試驗設計及結果

為了充分體現主軸轉速n、進給量vf、背吃刀量ap和側吃刀量ae對工件銑削表面粗糙度和金屬材料去除率的影響，以工件表面粗糙度和每道工序的材料去除量為試驗指標，以主軸轉速n，進給量vf，背吃刀量ap和側吃刀量ae為影響因素，采用正交試驗法設計實驗方案，如表1 所示。同時對工件表面粗糙度進行測量，其結果，如表2 所示。

表1 正交試驗因素水平Tab.1 Factor Level of Orthogonal Test

表2 試驗方案與試驗結果Tab.2 Test Scheme and Test Results

4.3 模型建立及分析

根據表面粗糙度預測模型：

對上述模型進行顯著性檢驗可得：擬合度R2=0.8297，顯著性檢驗F=26.7977＞0，說明模型擬合效果良好。但是，與顯著性相關的P=0.0895＞0.05，說明回歸方程中有些變量可以考慮剔除。

4.4 優化目標函數

令Z1=lgRMR，Z2=lgRa則以最小表面粗糙度值和最大材料金屬切除率的多目標規劃模型為：

4.5 多目標線性規劃的求解方法即MATLAB 實現

5 銑削參數對表面粗糙度的影響

由表面粗糙度模型可知，在給定的銑削參數范圍內，主軸轉速和進給速度對表面粗糙度的影響最為顯著，側吃刀量次之，而背吃刀量影響最小。

5.1 主軸轉速對表面粗糙度的影響

由圖1～圖3 可知，當主軸轉速n為1000r/min，2000r/min，3000r/min 時，所能達到的最小表面粗糙度Ra分別為0.58mm，0.31mm，0.27mm，因此當主軸轉速n=（1000r/min，2000r/min）時，隨著主軸轉速的提高對表面質量具有正效應，且越來越顯著。隨著主軸轉速的提高，已加工表面的溝壑和隆起逐漸減少，如圖4所示。其原因是LY12 為典型的塑形材料，在低轉速銑削加工中，容易發生“粘刀”現象，增加了切削與刀具的摩擦，形成積屑瘤，使得工件表面產生切削深度不均衡，惡化加工質量，所以，適當增加主軸轉速，使得工件與切削分離比較完全，可以遏制“粘刀”的現象的發生，使得已加工表面刀痕逐步均衡平滑。

5.2 進給速度對表面粗糙度的影響

如圖1～圖3 所示，在給定的銑削范圍內，隨著進給速度的增大，表面粗糙度都呈現逐漸增大趨勢，但是隨著主軸轉速的提升，進給速度對表面粗糙度增大的趨勢（即線段整體斜率）逐漸減小，進一步說明了主軸轉速對表面粗糙度的影響比進給速度顯著。另一方面，雖然增大進給速度，有利于提高金屬切除率，但是增大進給速度，單位長度的切削紋理周期數逐漸減少，波峰和波谷愈來愈不均勻，如圖5 所示。因此，在主軸轉速一定時，決定紋理周期的大小，即紋理的粗細程度進給量占主導地位，進給量越大，表面紋理越粗，表面粗糙度值越大；反之，表面粗糙度值越小。通過計算最優解得出進給速度vf=320mm/min，表明為提高表面粗糙度，從而降低了金屬切除率，此時可同時兼顧表面粗糙度和金屬切除率的要求。

5.3 側吃刀量和背吃刀量對表面粗糙度的影響

側吃刀量和背吃刀量主要是根據刀具的耐用度和加工工藝確定的，由圖1～圖3 可知，當背吃刀量ap=2mm，3mm，4mm 時，不同轉速中的折線間距大致相等，且整體斜率變化一致，且給定的背吃刀量和側吃刀量在工件銑削時都滿足機床的使用要求，故二者對表面粗糙度的影響要遠小于主軸轉速和進給速度。

圖1 主軸轉速1000r/min 時進給速度和側吃刀量對表面粗糙度的影響Fig.1 Influence of Feed Speed and Side Feed Amount on Surface Roughness at the SpindleSpeed of 1000r/min

圖2 主軸轉速2000r/min 時進給速度和側吃刀量對表面粗糙度的影響Fig.2 Influence of Feed Speed and Side Feed Amount on Surface Roughness at the Spindle Speed of 2000r/min

圖3 主軸轉速3000r/進給速度和側吃刀量對表面粗糙度的影響Fig.3 Influence of Feed Speed and Side Feed Amount on Surface Roughness at the Spindle Speed of 3000r/min

圖4 不同主軸轉速下LY12 表面形貌Fig.4 Surface Morphology of LY12 at Different Spindle Speeds

圖5 不同進給速度下LY12 表面形貌Fig.5 Surface Morphology of LY12 at Different Feed Speeds

6 結論

（3）通過分析銑削用量對表面質量的影響得出：在給定的銑削參數范圍內，主軸轉速對表面粗糙度具有最大的正效應影響，而進給速度對表面粗糙度具有較大負效應影響，側吃刀量次之，而背吃刀量影響最小。