基于MAWJ刀具钝化表面质量的模型研究*

万庆丰，雷玉勇，陈忠敏，潘峥正

(西华大学 机械工程与自动化学院，成都 610039)



基于MAWJ刀具钝化表面质量的模型研究*

万庆丰，雷玉勇，陈忠敏，潘峥正

(西华大学 机械工程与自动化学院，成都 610039)

为了获得微磨料水射流加工参数与刀具钝化质量之间的关系，采用正交试验设计方法进行刀具钝化试验研究。利用MikroCAD三维光学测量仪，可以获得刀具表面微观结构和切削刃刃口钝圆半径。基于多元逐步回归分析法，建立刀具钝化表面粗糙度的预测模型，选择射流压力、横移速度、磨料流量、磨料粒度、靶距作为模型变量。利用方差分析和F检验验证回归模型的有效性以及确定影响表面粗糙度的钝化参数，实现微磨料水射流钝化参数的优化。研究结果表明，磨料流量是钝化表面粗糙度最主要的影响因素，预测模型的最大相对误差仅为7.55%。

微磨料水射流；刀具钝化；表面粗糙度；刃口圆角半径；回归分析

0 引言

刀具具有机床“牙齿”的美称，刀具的刃口结构和钝化质量是刀具能否多快好省进行切削加工的前提[1]。刀具材料、几何参数、结构以及切削用量等因素，显著地影响着刀具的切削性能和使用寿命。为提高刀具切削效率、使用寿命和降低制造成本，在刀具生产过程中增加钝化工序是十分必要的。刀具钝化可以减少切削刃的表面缺陷、提高刃口强度和切削稳定性，并在切削刃上形成一个确定的倒圆[2-3]。

微磨料水射流(Micro Abrasive Water Jet，MAWJ)加工技术，具有切割质量好、几何形状精度高等独特的加工性能。特别适合切割脆性材料和高反射性材料，并逐渐成为硬脆性材料精密微细加工的基础技术[4]。利用实验室现有的万能数控水射流机床进行刀具钝化试验，射流中的磨料砂粒，经高压水射流高速喷射到刀具基体表面，通过磨料对刀具表面的机械冲刷作用，实现刀具表面粗化以及刃口钝化。MAWJ能去除刀具表面的毛刺、锈蚀、污垢以及刃口上的豁牙、锯齿和裂纹等缺陷，从而净化和活化刀具基体表面，降低表面微观缺陷和残余应力，提高刀具表面疲劳强度。MAWJ还能增加涂层与基体的“锚勾效应”，减少涂层的收缩应力，增大涂层和基体的结合面积，进而提高涂层与基体的结合强度[5-6]。针对目前MAWJ钝化刀具的相关研究较少，本文通过建立MAWJ刀具钝化表面质量的回归模型，分析MAWJ钝化参数与刀片平面上的表面粗糙度之间的关系，实现刀片平面上表面粗糙度的预测和控制。

1 基于MAWJ的刀具钝化试验设计

图1 刀片试样

选用硬质合金螺纹梳刀作为试验样本，如图1所示。基于MAWJ的刀具钝化试验在自主研发的四轴MAWJ机床上进行，并采用特别设计的精密磨料输送装置和特殊设计的准矩形扩散喷嘴。试验采用240～400目碳化硅微粉磨料。

表1 试验设计因素水平表

本试验选取MAWJ的射流压力、横移速度、磨料流量、磨料粒度和靶距为试验因素，各因素的水平值如表1所示。采用全因子试验设计法，需设计35(243)组试验。为了节省试验开支和时间，本试验采用正交设计法，只需设计27组试验。刀片刃口钝圆半径的平均值、切削刃平整度、刃口结构和切削刃表面质量都是衡量刀片切削性能的关键参数，本试验只针对MAWJ钝化后刀片平面上的表面粗糙度进行研究。刀片刃口平整度由MikroCAD光学刀具测量仪(如图2所示)测量，钝化后刀片平面上的表面粗糙度值由TR200型粗糙度仪(如图3所示)测量。

图2 光学刀具测量仪 图3 TR200粗糙度仪

2 刀片钝化试验结果分析

2.1 试验结果

基于MAWJ的刀具钝化效果如图4所示。本试验采用刀片平面上的表面粗糙度值Ra作为研究对象，正交试验结果如表2所示。

表2 正交试验设计与试验结果

(a) 钝化前 (b) 钝化后

由图4可知，刀片经过MAWJ钝化后，刀片刃口上的豁牙、锯齿、微裂纹和线性波纹度等缺陷，得到明显改善，说明采用MAWJ进行刀具钝化是经济可行的，刀片刃口由锯齿形变为具有一定钝圆半径的圆弧面，切削刃强度增加，钝化后刀片平面上的表面粗糙度值有所增加。这是由于刀片钝化试验所采用的磨料粒子较粗造成的，选择粒度更小的微磨料(通常需800目以上)可以明显降低刀片的表面粗糙度值，进而提高刀片的切削性能，由于试验装置和研究经费的限制，需进行后续研究。

通过MikroCAD三维光学刀具测量仪，可以获得某一试样刀片刃口的钝圆半径以及切削刃钝化平整度的分析报告，如图5所示，取图中两条蓝线之间的切削刃投影为研究对象，并在该区域内取100个等份点，通过软件测得各点对应的刃口钝圆半径，自动生成刃口平整度分析报告。分析表明，该刀片经过MAWJ钝化后，刃口钝圆半径变为25.9μm，刃口钝圆半径明显增大，刀片基体钝圆半径的增加有助于涂层的吸附，刀片基体与涂层材料之间的粘接强度得到增强，降低了涂层技术的要求；该刀片切削刃上各点对应的钝圆半径值主要集中在25～28μm之间，切削刃的平整度比较理想。

图5 切削刃钝化平整度分析

2.2 试验结果方差分析

通过对正交试验获得的试验结果进行方差分析和F检验，研究MAWJ钝化参数之间的相互作用对刀片平面表面粗糙度的影响。较大的F值表明该参数的改变将引起刀片平面表面粗糙度的大幅改变，分析结果如表3所示。分析表明，磨料流量、横移速度以及靶距是影响钝化表面粗糙度的主要因素，射流压力的影响不太显著，而磨料粒度对钝化表面粗糙度的影响甚微，这是因为本试验选择的磨料粒度差别不太大造成的。Fowler等人的研究表明，磨料粒度对加工表面粗糙度具有显著影响，但当磨料粒度小到一定程度后，其对加工表面粗糙度的影响逐步减弱[7]，这与本试验的结果基本吻合。

表3 表面粗糙度的方差分析结果

3 刀片平面表面粗糙度模型的建立

3.1 回归模型的设计

多元回归分析是一种简单的数学分析方法，能够较好的解释变量之间的相互作用，用于分析因变量与自变量之间的相互依存关系，利用数学统计方法解读这种关系的实质、特点和变化规律，并借助函数赋予形式化，具有广泛的应用前景[8-9]。

利用表2中的正交试验数据，将表中的射流压力(P)、横移速度(V)、磨料流量(m)、磨料粒度(M)和靶距(h)作为自变量，钝化表面粗糙度(Ra)作为因变量，建立数学回归模型。由于自变量与因变量之间的函数关系不明确，本研究选择幂指数函数来建立多元非线性回归模型，建立的模型如下[10]：

Ra=a0Pa1Va2ma3Ma4ha5

(1)

式中，a0、a1、a2、a3、a4、a5为待定系数。

为了便于求解，可以将上述建立的幂指函数模型线性化，再结合MATLAB统计工具箱中的regress命令进行求解。本文没有采用这种方法，而是直接利用工具箱中的nlinfit命令求解方程，解得的模型方程为：

Ra=0.0106P0.2319V0.4319m-0.8371M0.0039h0.5809

(2)

3.2 回归模型的优化与检验

借助逐步回归法可以对建立的模型进行优化，以提高模型的预测精度和实际应用能力。逐步回归法不是一次性将所有的自变量都引入回归方程，而是按自变量对因变量影响的显著程度，按每步选择一个自变量逐步挑选，实现残差平方和的最大化减少，并通过指定置信度的显著性检验。利用MATLAB中的逐步回归命令stepwise对模型(2)进行优化，优化结果如图6所示。分析表明，磨料粒度对钝化表面粗糙度的影响甚微，可以忽略，去除磨料粒度建立新的回归模型，如下所示：

Ra=0.0109P0.2313V0.4323m-0.8370h0.5807

(3)

图6 逐步回归结果

由图中R2=0.6635可知相关系数的绝对值R=0.8146，介于0.8～1.0的范围内；查表知，F=10.848>F1-0.05(5,21)=2.68；p=0.0350<α=0.05。以上检验结果具有一致性，验证了钝化表面粗糙度与射流压力、横移速度、磨料流量和靶距之间存在显著的非线性关系，模型(3)具有一定的研究和应用价值。

4 回归模型的验证

如表4所示，随机选择6组MAWJ钝化参数进行试验，并将试验结果用于回归模型的验证。由图7的分析结果可知，回归模型的预测值与试验结果具有较高的一致性，最大相对误差仅为7.55%，说明该模型可以用于钝化后刀片平面表面粗糙度的预测以及为MAWJ钝化工艺参数的优化选择提供依据。

表4 回归模型的预测值与试验值的比较

5 结束语

为确定MAWJ钝化加工过程中钝化参数与表面粗糙度的关系，基于正交试验获得的数据，建立一种多元非线性回归模型，并采用逐步回归分析法对模型进行优化。通过试验验证优化后的模型具有较好的预测精度，最大相对误差仅为7.55%。基于方差分析和F检验，发现磨料流量是表面粗糙度最主要的影响因素，而磨料粒度的影响甚微，主要是因为试验选择的磨料

图7 模型预测结果与试验结果的比较

粒度差别不太大。利用MikroCAD三维光学测量仪，可以获得钝化刀片的表面微观结构、刃口钝圆半径值以及刃口平整度的分析报告。刀片经过MAWJ钝化后，表面微观缺陷得到显著改善，由于采用的磨料粒子较粗，造成了刀片平面表面粗糙度值的增加；刀片刃口钝圆半径值增加，有助于刀片涂层材料的吸附，刃口平整度较为理想。

需要指出的是，本文建立的多元非线性回归模型相关系数R值还不够理想，模型的预测性能还有待进一步提高，后续研究可以考虑更多的MAWJ钝化参数以及进行全因子试验。

[1] 杜育鹏. 刀具刃口钝化技术的探讨[J]. 数控机床市场，2005(12)：96-100.

[2]Dirk Biermann，Ina Terwey. Cutting edge preparation to improve drilling tools for HPC processes[J]. Manufacturing Science and Technology，2008(1)：76-80.

[3] Yung C Y. Afinite element analysis of orthogonal machining using different tool edge geometries[J]. Materials Processing Technology，2004(146)：72-81.

[4] 李连荣，唐焱. 磨料水射流切割技术综述[J]. 煤矿机械，2008，29(9)：5-8.

[5] 黄树涛，姚英学，袁哲俊. 基体表面粗糙度对金刚石薄膜涂层刀具附着强度的影响[J]. 制造技术与机床，2000(2)：44-45.

[6] 杨晖，潘少明. 基体表面粗糙度对涂层结合强度的影响[J]. 金属铸锻焊技术，2008，37(15)：118-121.

[7] G. Fowler，P.H. Shipway，et all. Abrasive waterjet controlled depth milling of Ti6Al4V alloy[J]. Materials Processing Technology，2005(161)：407-414.

[8] 张晓洪，陈鹏，夏重. 65Mn深小孔加工时间回归模型建立与参数优化[J].组合机床与自动化加工技术，2011(2): 42-45.

[9] 胡泽文，武夷山. 科技产出影响因素分析与预测研究[J]. 科学学研究，2012，30(7)：993-1003.

[10] 马博，梁楚华，周建平. 基于MATLAB的短电弧加工工艺模型回归分析与研究[J]. 机械工程与自动化，2012(2)：45-47

(编辑 李秀敏)

Research on Regression Model of Tool Preparation Surface Quality Based on Micro Abrasive Water Jet

WAN Qing-feng，LEI Yu-yong，CHEN Zhong-min，PAN Zheng-Zheng

(School of Mechanical Engineering & Automation,Xihua University, Chengdu 610039, China)

In order to obtain the relationship between the preparation parameters using micro abrasive waterjet and the preparation quality of tool edge, orthogonal design was applied to study the test results of the tool preparation process. The microstructure and the radius of cutting edge roundness were obtained using MikroCAD optical 3D measurement system. Multiple factors and stepwise regression equation were established to predict surface roughness of tool preparation based on micro abrasive water jet machining process. The parameters such as water jet pressure, traverse speed, abrasive flow rate, abrasive grit size and standoff distance were considered as model variables. The effectiveness of the regression model was verified and the influence of preparation parameters on surface roughness was confirmed using analysis of variance and F-test. The optimization of preparation parameters were realized. The result indicates that abrasive flow rate was an utmost parameter on preparation surface roughness. The maximum relative error of predictive model is 7.55%.

micro abrasive water jet；tool edge preparation；surface roughness；tool edge radius； regression analysis

1001-2265(2014)01-0031-04

10.13462/j.cnki.mmtamt.2014.01.009

2013-04-07；

2013-05-14

四川省科技厅项目资助(2011JYZ017)和西华大学研究生创新基金资助(ycjj201340).

万庆丰(1988—)，男，江苏盐城人，西华大学机械工程与自动化学院硕士研究生，主要研究方向为特种精密加工技术，(E-mail)wan_qingfeng@163.com；通讯作者：雷玉勇(1962—)，男，四川盐亭人，教授，工学博士，西华大学机械电子工程与自动化研究所所长，主要从事水射流技术及特种精密加工研究，(E-mail)yuyong_lei@163.com

TH122;TP69

A