تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,272 |
تعداد دریافت فایل اصل مقاله | 15,216,898 |
بررسی فرآیند ماشینکاری هیبریدی سوپرآلیاژ اینکونل 718 بهکمک جت سیال پرفشار و بهینهسازی چندهدفه پارامترهای فرآیند | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 37، دوره 49، شماره 1، فروردین 1398، صفحه 339-349 اصل مقاله (2.02 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
سیداحسان میرمحمدصادقی1؛ حسین امیرآبادی* 2 | ||
1داتشجوی دکتری، گروه مهندسی مکانیگ، داتشگاه بیرجند، بیرجند، ایران | ||
2دانشیار، گروه مهندسی مکانیک، دانشگاه بیرجند، بیرجند، ایران | ||
چکیده | ||
ماشینکاری رایج سوپرآلیاژ اینکونل 718 بهدلیل ویژگیهایی چون سختی بالا و رسانایی گرمایی پایین این آلیاژ منجر به کیفیت سطح پایین و نیروهای برشی زیاد میگردد. در این پژوهش فرآیند ماشینکاری هیبریدی بهکمک جت سیال پرفشار به منظور بهبود شرایط ماشینکاری این سوپرآلیاژ بهکارگرفتهشد.. برای دستیابی به شرایط مناسب فرآیند، کاربرد فشار جت سیال در محدوده بهینه متناسب با دیگر پارامترهای فرآیند ضروری میباشد. آزمایشها در پنج فشار 1، 50، 100، 150 و 200 بار، سه سرعت برشی 50، 75 و 100 متربردقیقه، دو نرخ پیشروی 05/0 و 14/0 میلیمتربردور و عمق برش 1 میلیمتر با طراحی کامل صورت گرفت تا بررسی پارامترهای فرآیند امکانپذیر باشد. با انجام آزمایشها نیروهای ماشینکاری و زبری سطح اندازهگیری شد. بهمنظور بهینهسازی چندهدفه از الگوریتم NSGA-II برای مدلهای شبکه عصبی آموزش داده شده بهکمک الگوریتم ژنتیک استفاده گردید و محدودههای بهینه فشار جت سیال متناسب با دیگر پارامترهای فرآیند بدست آمد. نتایج بهینهسازی چندهدفه نشان میدهد که برای نرخ پیشروی 05/0 میلیمتربردور در محدوده سرعت برشی 55 تا 100 متربردقیقه، محدوده بهینه فشار جت سیال 85 تا 109 بار میباشد. | ||
کلیدواژهها | ||
ماشینکاری هیبریدی؛ سوپرآلیاژ اینکونل 718؛ جت سیال پرفشار؛ بهینهسازی چند هدفه؛ الگوریتم ژنتیک؛ NSGA-II | ||
مراجع | ||
[1] Sanz C., Fuentes E. and Gonzalo O., Turning Performance Optimisation of Aeronautical Materials by Using High Pressure Cooling Technology. International Journal of Machining and Machinability of Materials, Vol. 2, No.2, pp. 269–280, 2007. [2] Lauwers B., Surface Integrity in Hybrid Machining Processes. Procedia Engineering, Vol.19, pp. 241 –251, 2011. [3] Ezugwu E. O., Key improvements in the machining of difficult-to-cut aerospace superalloys. International Journal of Machine Tools & Manufacture, Vol. 45, pp. 1353–1367, 2005. [4] Da Silva R.B., Sales W.F., Costa E.S., Ezugwu E.O., Bonney J., Da Silva M.B. and Machado A.R., Surface integrity and tool life when turning of Ti-6Al-4V with coolant applied by different methods. International Journal of Advanced Manufacturing Technology, DOI: 10.1007/s00170-017-0658-6, 2017. [5] Da Silva R.B., Machado A.R., Ezugwu E.O., Bonney J. and Sales W.F., Tool life and wear mechanisms in high speed machining of Ti–6Al–4V alloy with PCD tools under various coolant pressures. Journal of Materials Processing Technology, Vol. 213, pp. 1459– 1464, 2013. [6] Lakic G.G., Sredanovic B., Kramar D. and Kopac J., et al. Possibilities of Application of High Pressure Jet Assisted Machining in Hard Turning with Carbide Tools. Tribology in Industry, Vol. 39, pp. 238-247, 2017. [7] Sredanovic B. and Lakic G.G., Hard turning of bearing steel AISI 52100 with carbide tool and high pressure coolant supply. Journal of the Brazilian Society of Mechanical Sciences and Engineering, DOI: 10.1007/s40430-017-0764-2, 2017. [8] Ezugwu E. O. and Bonney J., Finish Machining of Nickel-Base Inconel 718 Alloy With Coated Carbide Tool Under Conventional and High-Pressure Coolant Supplies. Tribology Transactions, Vol. 48, pp. 76–81, 2005. [9] Ezugwu E. O. and Bonney J., Effect of High-Pressure Coolant Supply When Machining Nickel-Base, Inconel 718 Alloy With Coated Carbide Tools. Journal of Materials Processing Technology, Vol. 153, pp. 1045–1050, 2004. [10] Braham-Bouchnak T., Germain G., Morel A. and Furet B., Influence of high pressure coolant assistance on the machinability of the Titanium alloy Ti555-3. Machining Science and Technology, Vol. 19, pp. 134-151, 2015. [11] Mia M. and Dhar N.R., Prediction of surface roughness in hard turning under high pressure coolant using Artificial Neural Network. Measurement, Vol. 92, pp. 464-474, 2016. [12] Ayed Y., Germain G., Ammar A. and Furet B., Tool wear analysis and improvement of cutting conditions using the high-pressure water-jet assistance when machining the Ti17 titanium alloy. Precision Engineering, Vol. 42, pp. 294-301, 2015. [13] Bermingham M. J., Palanisamy S., Kent D. and Dargusch M. S., A comparison of cryogenic and high pressure emulsion cooling technologies on tool life and chip morphology in Ti-6Al-4V cutting. Journal of Materials Processing Technology, Vol. 212, pp. 752-765, 2012. [14] Kramar D., Krajnik P. and Kopac J., Capability of high pressure cooling in the turning of surface hardened piston rods, Journal of Materials Processing Technology, Vol. 210, pp. 212-218, 2010. [15] Vagnorius Z. and Sorby K., Effect of high-pressure cooling on life of SiAlON tools in machining of Inconel 718. International Journal of Advanced Manufacturing Technology, Vol. 54, pp. 83-92, 2011. [16] Naves V. T. G., Da Silva M. B. and Da Silva F. J., Evaluation of the effect of application of cutting fluid at high pressure on tool wear during turning operation of AISI 316 austenitic stainless steel. Wear, Vol. 302, pp.1201-1208, 2013. [17] میرمحمدصادقی س. ا. و امیرآبادی ح.،بررسی فرآیند ماشینکاری هیبریدی بهکمک جت سیال پرفشار و بهینهسازی فرآیند با استفاده از الگوریتم ژنتیک و شبکه عصبی. مجلۀ مهندسی مکانیک مدرس، د. 15، ش. 13، ص 64-67، 1394. [18] Mirmohammadsadeghi S.E. and Amirabadi H., High-pressure jet-assisted turning of AISI 304: Experimental and multi-objective optimization approach. Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering, DOI: 10.1177/0954408917738488, 2017. [19] Moradi M. and Mohazabpak A., Statistical modelling and optimization of laser percussion micro-drilling on Inconel 718 sheet using response surface methodology. Journal of lasers in Engineering, Vol. 39, 2017. [20] Moradi M., Mehrabi O., Azdast T. and Benyounis K.Y., Enhancement of low power CO 2 laser cutting process for injection molded polycarbonate. Optics & Laser Technology, Vol. 96:208-218, 2017. [21] Khorram A., Yazdi M.S., Ghoreishi M. and Moradi M. Using ANN approach to investigate the weld geometry of Ti6Al4V titanium alloy. International Journal of Engineering and Technology, Vol. 2, pp. 491-498, 2010. [22] Jafarian F., Taghipour M. and Amirabadi H., Application of artificial neural network and optimization algorithms for optimizing surface roughness, tool life and cutting forces in turning operation. Journal of Mechanical Science and Technology, Vol. 27, No.5, pp. 1469-1477, 2013. [23] Jafarian F., Amirabadi H. and Fattahi M., Improving surface integrity in finish machining of Inconel 718 alloy using intelligent systems. International Journal of Advanced Manufacturing Technology, Vol. 71, pp. 817–827, 2014. [24] Deb K., Pratap A. and Agarwal S., A fast and elitist multi objective genetic algorithm: NSGA-II. IEEE Trans Evol Comput, Vol. 6, pp. 182-197, 2002. | ||
آمار تعداد مشاهده مقاله: 269 تعداد دریافت فایل اصل مقاله: 290 |