摘要：復(fù)合加工工藝（HMP’s）相對于傳統(tǒng)加工工藝，能夠加工難切割材料并具有競爭力的價(jià)格優(yōu)勢。本文通過對鉻鎳鐵合金718進(jìn)行放電金剛石表面磨削加工（EDDSG）來進(jìn)行建模，并研究其材料去除率（MRR）；MRR是低成本高效益的一個(gè)加工參數(shù)。在進(jìn)行EDDSG前后用掃描電子顯微鏡（SEM）進(jìn)行觀察并驗(yàn)證了該工藝的實(shí)際效益。利用響應(yīng)曲面法（RSM）中的旋轉(zhuǎn)中心組合設(shè)計(jì)（CCRD）對實(shí)驗(yàn)進(jìn)行規(guī)劃和分析。建立了EDDSG輸入?yún)?shù)（砂輪速度、脈沖電流、占空因數(shù)）間的數(shù)學(xué)關(guān)系。利用人工神經(jīng)網(wǎng)絡(luò)算法（ANN）對RSM進(jìn)行建模。MRR預(yù)測值和實(shí)驗(yàn)結(jié)果匹配。
       關(guān)鍵詞：EDDSG，鉻鎳鐵合金718，響應(yīng)曲面法，SEM
1. 引言
       鎳基合金是應(yīng)用最為廣泛的超合金，占整個(gè)航天發(fā)動機(jī)制備材料的50%，特別是在燃?xì)鉁u輪機(jī)室制造方面；在高溫環(huán)境下耐腐蝕、耐機(jī)械疲勞、耐熱疲勞、抗蠕變和耐磨損性能好。而加工這些機(jī)械性能優(yōu)越的難切割材料也是非傳統(tǒng)加工工藝的一個(gè)棘手問題。復(fù)合加工工藝（HMP’s）則是解決該問題的其中一個(gè)方案。
       HMP’s 集成了眾多單一加工工藝的優(yōu)勢，又將單一工藝的劣勢降到最低。HMP’s基于多個(gè)可控制的加工工藝機(jī)理同時(shí)對工藝性能產(chǎn)生影響從而提高加工精度。放電加工（EDM）是一種常見的加工工藝，放電脈沖能量對工件的表面整體性能有一定影響，導(dǎo)致微裂縫、降低材料的抗疲勞強(qiáng)度等。為解決EDM工藝中這一問題，Koshyet等人將金剛石磨削和EDM結(jié)合起來，即放電金剛石磨削技術(shù)（EDDG）來加工導(dǎo)電材料。Sanjeev Kumar 指出，在電火花作用下，通過熱軟化工件材料，磨削力得到了大大的降低。
       Yadavet將EDDG裝置分為三個(gè)不同的構(gòu)造部分，如圖一所示：放電金剛石切斷磨削（EDDCG）、放電金剛石平面磨削（EDDFG）和放電金剛石表面磨削（EDDSG）。EDDCG是利用砂輪的周邊面，通過研磨和打火花將工件切割成條或者在工件上加工溝槽。EDDFG是利用砂輪的拋光面，通過研磨和打火花對工件端面進(jìn)行加工；EDDSG是利用砂輪周邊面，通過研磨和打火花對工件平面進(jìn)行加工。

       根據(jù)以上文獻(xiàn)綜述，鮮有研究利用EDDSG工藝對新型先進(jìn)材料如鉻鎳鐵合金718進(jìn)行加工。因此，本論文旨在研究鉻鎳鐵合金718的EDDSG加工工藝。利用RSM和ANN技術(shù)求得的MRR預(yù)測值和實(shí)驗(yàn)結(jié)果相匹配。
2. 實(shí)驗(yàn)
       所有實(shí)驗(yàn)都在ENC 35 EDM上進(jìn)行；圖二為EDDSG裝置，由青銅結(jié)合劑金剛石砂輪、直流電機(jī)、柄軸、V型帶、軸承和交流可逆同步電動機(jī)組成，如圖三所示。通過特殊裝置將青銅結(jié)合劑金剛石砂輪固定在機(jī)器上，ZNC EDM機(jī)的伺服系統(tǒng)用來保持兩個(gè)電極的間隔。表二為金剛石砂輪的規(guī)格。



       砂輪和工件之間的間隙取決于間隙電壓裝置的絕緣擊穿強(qiáng)度。柄軸用于自旋轉(zhuǎn)和帶動砂輪旋轉(zhuǎn)，因此柄軸的設(shè)計(jì)就需要一些輸入?yún)?shù)，如材料、直徑、RPM、電機(jī)功率等。柄軸直徑19mm，材料為EN24，軸承標(biāo)準(zhǔn)為ISI No. 1203。驅(qū)動砂輪旋轉(zhuǎn)的電機(jī)為2HP、46000rpm的永磁直流電機(jī)（PMDC）。V型傳送帶為13mm×9mm，傳送帶的梯形截面有利于和滑輪保持接觸以防止滑落。PMDC速度是可控的；通過自動進(jìn)給裝置實(shí)現(xiàn)工作臺的往復(fù)運(yùn)動，以此來保持砂輪和工件的相對運(yùn)動。所有實(shí)驗(yàn)都按照平面磨削模式操作。鉻鎳鐵合金718為本實(shí)驗(yàn)的材料，其組份如表3所示。


       砂輪速度、脈沖電流、脈沖間隔和占空因數(shù)為控制系數(shù)，MRR為性能參數(shù)。每一個(gè)輸入?yún)?shù)值都有中間試驗(yàn)求得。表4為控制系數(shù)的實(shí)際值。根據(jù)CCRD對每個(gè)因子最少3個(gè)準(zhǔn)級的要求進(jìn)行實(shí)驗(yàn)。本實(shí)驗(yàn)中，選用標(biāo)準(zhǔn)的CCRD矩陣，四個(gè)控制系數(shù)三個(gè)準(zhǔn)級七個(gè)中心點(diǎn)；共計(jì)31組實(shí)驗(yàn)。表5為實(shí)驗(yàn)結(jié)果和編碼變量。



       所有實(shí)驗(yàn)都在60mm×10mm的鉻鎳鐵合金718材料上進(jìn)行操作，30分鐘。用高精度電子天平對加工前后的材料進(jìn)行稱量。砂輪速度由數(shù)字轉(zhuǎn)速計(jì)測得。
3. 數(shù)學(xué)模型
3.1 響應(yīng)曲面法（RSM）
       RSM是將數(shù)學(xué)和統(tǒng)計(jì)相結(jié)合的一種研究方法，用于分析若干獨(dú)立變量對一個(gè)非獨(dú)立變量的影響，其目標(biāo)是優(yōu)化響應(yīng)值。在諸多實(shí)驗(yàn)條件下，可以以定量形式表示獨(dú)立因子，如公式（1）所示。


       在響應(yīng)值Y和定量因子中，函數(shù)φ叫做相應(yīng)曲面，或響應(yīng)函數(shù)。
       相應(yīng)曲面Y的一階多項(xiàng)式如公式（2）所示：


       公式3為MRR表達(dá)式：


3.2 模型適宜度檢測
       實(shí)驗(yàn)用變量分析技術(shù)（ANOVA）對模型的適宜度進(jìn)行檢測，表6為二階響應(yīng)面結(jié)果。決定系數(shù)（R2）表示模型的適宜程度。決定系數(shù)值（R2=0.96998）表明總變量中僅不足3 %沒有被模型解釋說明; R2=0.7927表明總變量中20 %沒有被模型解釋說明；R2=0.7779是一個(gè)較高值且接近決定系數(shù)，這說明了模型的顯著性。預(yù)測R2 和調(diào)整值R2一致。
       表6中＞F值小于0.05，這說明模型比較顯著；同樣，砂輪速度（S）和電流（C）都有較為顯著的效果。缺適性與預(yù)期的一致，不是很顯著。圖4為抗拉強(qiáng)度殘留的常態(tài)率圖，呈直線下降趨勢，這說明誤差分布正常。
4.EDDSG工藝的建模
       本論文利用ANN文獻(xiàn)中的反向傳播算法對EDDSG工藝進(jìn)行建模，ANN建模分三部：訓(xùn)練、測定和確認(rèn)；并用MATLAB軟件對其進(jìn)行編碼。表3為實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練出的ANN文獻(xiàn)；對于網(wǎng)絡(luò)測定，選取實(shí)驗(yàn)結(jié)果數(shù)目的70 %如表4所示。利用LM反向傳播算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練；LM是一種網(wǎng)絡(luò)訓(xùn)練函數(shù)，該函數(shù)能夠根據(jù)LM優(yōu)化對權(quán)重和偏差值進(jìn)行更新，由隱層的選數(shù)和每個(gè)隱層中節(jié)點(diǎn)的數(shù)目優(yōu)化構(gòu)成。
       根據(jù)網(wǎng)絡(luò)性能對隱層數(shù)目和節(jié)點(diǎn)進(jìn)行選擇，用均方誤差（MSE）對網(wǎng)絡(luò)性能進(jìn)行測試，MSE計(jì)算公式如下：


       其中，dj為jth節(jié)點(diǎn)的期望輸出值，yj為jth節(jié)點(diǎn)的預(yù)測值。N為訓(xùn)練類型總數(shù)目，M為輸出節(jié)點(diǎn)數(shù)目。
       表7為EDDSG工藝建模，能夠預(yù)測MRR的絕對平均百分比誤差（2.66%）和最大百分比誤差（29.22%）。表5為RSM和ANN技術(shù)求得的實(shí)驗(yàn)值和預(yù)測值。圖5為MRR實(shí)驗(yàn)值和預(yù)測值對比圖。


5. RSM和ANN對比
       實(shí)驗(yàn)將ANN模型和RSM模型的預(yù)測能力進(jìn)行對比。表8為兩個(gè)模型的預(yù)測值。圖5為兩種模型輸出預(yù)測的類似對比。對于所有的輸出值，ANN模型和實(shí)驗(yàn)值相符合，一致性很好。RSM模型的絕對偏差要比ANN模型大許多。因此，ANN模型要比RSM模型的歸納能力更強(qiáng)。ANN模型的這種較高的精準(zhǔn)度主要是由于它更接近系統(tǒng)的非線性的能力。
6. EDDSG加工表面形態(tài)
       圖6為鉻鎳鐵合金718加工前、加工過程中在最大MRR條件下利用SEM獲得的表面形態(tài)圖。圖6（a）中未加工表面上有澆鑄痕跡和凹槽被去除的跡象并形成新生表面；此時(shí)EDDSG工藝參數(shù)為砂輪速度1200rpm，電流9 Amps，脈沖時(shí)間為150μs，占空因子為70 %。同時(shí)還觀察到少數(shù)沒有被磨削掉的EDM洼坑。


結(jié)論：
       1）砂輪速度對MRR影響最大，其次是脈沖速度。
       2）要獲得較高的MRR值，可以將高砂輪速度、高脈沖電流、較長的脈沖時(shí)間和較大的占空因子結(jié)合起來。
       3）ANN預(yù)測模型在訓(xùn)練范圍內(nèi)可以有效預(yù)測MRR。與響應(yīng)曲面模型相比，ANN模型在預(yù)測MRR值時(shí)更精確更穩(wěn)定。（編譯：中國超硬材料網(wǎng)）