Повышение качества плоского шлифования деталей из высокопрочных коррозионно-стойких сталей высокопористыми нитридборовыми кругами Нгуен Мань Тием

Содержание к диссертации

Введение

ГЛАВА 1. Анализ современного состояния и проблемы повышения качества деталей из коррозионно-стойких сталей при плоском шлифовании 8

1.1. Свойства и промышленное применение коррозионно-стойких сталей 8

1.2. Особенности шлифования деталей из коррозионно-стойких сталей 10

1.3. Преимущества высокопористых кругов из кубического нитрида бора 11

1.4. Статистический метод анализа наблюдений 14

1.5. Искусственный интеллект

1.5.1. Применение нейронных сетей в машиностроении 15

1.5.2. Применение нечеткой логики в машиностроении 16

Выводы, цель и задачи исследования 17

ГЛАВА 2. Методика исследования процесса плоского шлифования деталей переменной податливости из коррозионно-стойких сталей нитридборовыми кругами высокой пористости 20

2.1. Методика и условия проведения натурных экспериментов 20

2.2. Методика интерпретации экспериментальных данных при шлифовании 24

2.3. Методика построения моделей нечеткой логики 27

2.4. Методика построения моделей нейронной сети 29

2.5. Методика построения моделей многомерного дисперсионного анализа 33

2.5.1. Планы эксперимента для построения моделей 33

2.5.2 Методика поиска моделей МДА в программной среде Design Expert 35

2.6. Методика многопараметрической оптимизации качества шлифованных деталей в среде программы Design Expert 38

Выводы по второй главе 41

ГЛАВА 3. Исследования влияния режимов и параметров высокопористых кругов на качество поверхности деталей с использованием статистических методов и искусственного интеллекта 42

3.1. Исследование качества шлифованных деталей с применением статистического метода 42

3.1.1. Влияние марок коррозионно-стойких сталей и глубины резания на формирование качества шлифуемой поверхности 42

3.1.2. Влияние процесса выхаживания на качество шлифуемых деталей 53

3.1.3. Влияние направления врезания круга в деталь на качество ее поверхности 57

3.1.4. Влияние схемы задания поперечной подачи на качество деталей при шлифовании 59

3.2. Анализ влияния параметров кругов на качество деталей с привлечением статистического метода 59

3.2.1. Влияние зернистости кругов на качество поверхности шлифованных деталей 61

3.2.2. Влияние твердости кругов на качество поверхности шлифованных деталей 63

3.2.3. Влияние связки кругов на качество поверхности шлифованных деталей 65

3.2.4. Влияние порообразующих параметров кругов на качество поверхности шлифованных деталей 67

3.3. Выбор оптимальной характеристики круга для построения моделей МДА

с применением нечеткой логики 68

3.3.1. Интегральная оценка влияния характеристик кругов на качество поверхности шлифованных деталей ЭП817-Ш 69

3.3.2. Интегральная оценка влияния характеристик кругов на качество поверхности шлифованных деталей ВНС-5 79

3.4. Выбор характеристики кругов с помощью моделей нейронной сети 80

3.4.1. Выбор оптимального круга по совокупности параметров шероховатостей, точностей формы и микротвердости 80

3.4.2 Выбор оптимального круга по всем исследуемым параметрам с применением НС 82

Вывод по третьей главе 84

ГЛАВА 4. Моделирование и многопараметрическая оптимизация процесса шлифования деталей различной жесткости нитридборовыми кругами высокой пористости с разработкой технологических рекомендаций плоского шлифования 87

4.1. Статистическое моделирование параметров качества поверхности деталей абсолютной и переменной жесткости с помощью моделей I МДА 87

4.1.1. Построение моделей I МДА для деталей абсолютной и переменной жесткости 87

4.1.2. Оценка ошибок при прогнозировании параметров качества поверхности деталей переменной податливости с помощью моделей I МДА 91

4.2. Прогнозирование параметров качества поверхности деталей абсолютной жесткости с помощью моделей I МДА 94

4.2.1. Прогнозирование параметров шероховатости деталей абсолютной жесткости 94

4.2.2. Прогнозирование относительной опорной длины поверхности шлифованных деталей абсолютной жесткости 96

4.2.3. Прогнозирование микротвердости и макрогеометрии шлифованных деталей абсолютной жесткости 98

4.3. Прогнозирование параметров качества поверхности деталей переменной жесткости с помощью моделей I МДА 102

4.3.1. Влияние жесткости деталей и технологических факторов на шероховатость их поверхности 102

4.3.2. Влияние технологических факторов на точность формы и микротвердость поверхности деталей переменной податливости 107

4.3.4. Оценка влияния жесткости и направления ее варьирования на качество получаемых деталей 111

4.4. Моделирование и прогнозирование параметров качества шлифованных деталей переменной податливости с привлечением методов искусственного интеллекта 111

4.4.1. Построение моделей нейро-нечеткой сети 113

4.4.2. Прогнозирование качества поверхности деталей моделей нейро нечеткой сети 115

4.5. Многопараметрическая оптимизация качества деталей различной жесткости при шлифовании нитридборовыми кругами высокой пористости 118

4.5.1. Многопараметрическая оптимизация плоского шлифования деталей абсолютной жесткости 118

4.5.2. Многопараметрическая оптимизация плоского шлифования деталей с переменной продольной жесткостью 122

4.5.3. Многопараметрическая оптимизация плоского шлифования деталей с переменной поперечной жесткостью 124

Выводы по четвертой главе 125

Выводы по работе 128

Библиографический список

• Искусственный интеллект
• Методика построения моделей нечеткой логики
• Анализ влияния параметров кругов на качество деталей с привлечением статистического метода
• Моделирование и прогнозирование параметров качества шлифованных деталей переменной податливости с привлечением методов искусственного интеллекта

Введение к работе

Актуальность темы исследования. Современный уровень развития машиностроения требует постановки на одно из главных мест проблему увеличения эффективности производства, решение которой неразрывно связано с вопросами повышения качества шлифованных поверхностей деталей.

В настоящем времени благоприятное сочетание коррозионной стойкости с механическими, технологическими, магнитными и другими свойствами обеспечило коррозионно-стойким сталям широкое применение практически во всех отраслях промышленности. Среди разнообразных деталей из коррозионно-стойкой стали машин значительное место занимают нежесткие детали, которые имеют различные податливости.

Эффективность повышения качества деталей на современном этапе развития машиностроения в немалой степени зависит от режущей способности инструмента, которая в первую очередь определяется сочетанием физико-механических свойств абразивного материала: твердости, прочности, износостойкости и т.п.

Оптимизация эксплуатационных характеристик кругов является одним из основных направлений повышения ресурса и надежности их работы при шлифовании. Она является процессом выбора такого варианта его состава, при котором достигается наилучшее качество и точность шлифованных деталей. К инженерии поверхности в первую очередь относятся: шероховатость, погрешности формы, микротвердость и т.д. Эти показатели трудно поддаются количественной оценке с высокой точностью. В силу изложенного не представляется возможным описать физические модели, а их экспериментальные аналоги носят частный характер и имеют ограниченную область применения. По этой причине в исследовании привлечены элементы искусственного интеллекта, которые включают нечеткую логику (НЛ) и нейронные сети (НС). Обе системы позволяют проанализировать большое количество переменных процесса шлифования и охватить широкий диапазон технологических условий.

Задача определения оптимальных режимов шлифования – одна из наиболее массовых и встречается при разработке каждой операции. При этом, исходя из заданных условий обработки, целей и задач оптимизации, возникает большое количество вариантов решения этой задачи.

Цели и задачи исследования

Целью диссертационного исследования является повышение качества и точности шлифования деталей различной жесткости из коррозионно-стойких сталей высокопористыми кругами из кубического нитрида бора.

Для достижения указанной цели в исследовании поставлены следующие задачи:

1. Экспериментальное изучение комплексного влияния элементов характеристики высокопористого абразивного круга, режимов шлифования и технологических приемов на выходные параметры процесса плоского шлифования деталей из коррозионно-стойких сталей.

2. Уточнение роли операционного припуска, направления и характера изменения податливости деталей в формирование качества шлифованных деталей.

3. Определение оптимальных характеристик высокопористых кругов из кубического нитрида бора, обеспечивающих получение наилучшего качества поверхности деталей по всему комплексу показателей с учетом мер положения и рассеяния.

4. Поиск моделей многомерного дисперсионного анализа (МДА) и поправочных коэффициентов, учитывающих разнообразные условия обработки, для прогнозирования состояния качества поверхности и точности формы в формате 3D.

5. Создание расширенной информационной базы данных, позволяющей сократить сроки технологической подготовки в машиностроении.

6. Построение нейро-нечеткой сети (ННС) для прогнозирование параметров качества шлифованных деталей абсолютной и переменной жесткости. Сопоставление моделей ННС и МДА по точности предсказания откликов.

7. Проведение на базе моделей МДА многопараметрической оптимизации процесса шлифования с учётом конструктивных и технологических признаков, позволяющих управлять параметрами обработки операционной партии деталей в целом.

Объект и предмет исследования. Объектом исследования является детали из высокопрочных коррозионно-стойких сталей переменной жесткости, а предметом исследования – процесс плоского шлифования данных деталей.

Методология и методы исследования. Работа выполнена на базе научных основ технологии машиностроения, теории шлифования металлов и робастного проектирования. Учитывая стохастический характер шлифования, интерпретацию выходных параметров процесса: R_a, R_max, S_m, t_p, EFE_max, EFE_a, EFE_q, HV и др. – вели с привлечением статистических методов анализа. Дополнительно были использованы нечеткая логика и нейронные сети, с помощью которых проведен поиск оптимальных кругов и прогнозирование откликов поверхности. Заключительным этапом исследования служит многопараметрическая оптимизация процесса шлифования с учетом конструктивных и технологических требований деталей.

Достоверность результатов. Достоверность исследования подтверждена совпадением результатов моделирования в средах НЛ и НС с опытными данными и между собой, а также при предсказании откликов с использованием моделей МДА и ННС.

Научная новизна исследования

1. Проведена оценка влияния отдельных характеристик высокопористых кругов из кубического нитрида бора и технологических параметров процесса шлифования на качество шлифования деталей из высокопрочных коррозионно-стойких сталей с учетом их податливости и операционного припуска.

2. С привлечением НЛ и НС найдены интегральные и дифференциальные оценки качества поверхности шлифованных деталей с учетом мер положения и рассеяния, которые невозможно получить традиционными методами статистики.

3. Проведено моделирование и прогнозирование откликов поверхности деталей абсолютной и переменной жесткости при плоском шлифовании с привлечением моделей I МДА и ННС, которые позволили выявить дополнительные резервы повышения эффективности технологического процесса.

4. Уточнены роли операционных припусков и жесткости деталей при формировании качества и точности формы шлифованных поверхности.

5. Проведена многопараметрическая оптимизация на основе моделей I МДА для определения эффективных технологических параметров при шлифовании детали абсолютной и переменной жесткости.

Практическая значимость работы

Привлеченный статистический метод анализа наблюдений и алгоритмы НС, НЛ позволили решать практические задачи классификации, оценки качества шлифованных деталей и также выбор оптимальной характеристики кругов. Модели I МДА и ННС позволяют прогнозировать состояние поверхности шлифованных деталей, повысить качество и сократить сроки технологической подготовки производства. Реализована многопараметрическая оптимизация откликов параметров качества поверхности с привлечением точечных и интервальных оценок, которая позволила определить эффективные технологические параметры при шлифовании. Разработаны технологические рекомендации для практического использования на производстве, в частности при шлифовании на станках с ЧПУ.

Апробация работы

Основные положения исследования докладывались на конференциях, среди
которых: VII международная научно-практическая конференция «Инновации в
машиностроении (ИНМАШ-2015)» (г. Кемерово, 23-25 сентября 2015);
Всероссийские научно-технические конференции «Авиамашиностроение и
транспорт Сибири» (г. Иркутск, 2015); 5-th the International Conference on Science
and Technology 2015 (London, 2015); Всероссийская научно-практическая конфе
ренция молодых ученых, аспирантов и студентов «Обработка материалов: совре
менные проблемы и пути решения» (г. Юрга, 26–28 ноября 2015); Всероссийская
конференция «Актуальные проблемы информационных технологий, электроники
и радиотехники – 2015» (г. Ростов-на-Дону, г. Таганрог, 25–29 декабря 2015);
Всероссийская молодежная научно-техническая конференция

«Авиамашиностроение и транспорт Сибири» (г. Иркутск, 11 ноября, 2016).

Публикации и личный вклад автора

Основное содержание диссертации представлено в 15 публикациях, в том числе 7 статей в журналах, входящих в перечень рецензируемых научных журналов и изданий для опубликования основных научных результатов диссертаций, рекомендованный ВАК РФ, 3 статьи в международных журналах, входящих в систему SCOPUS.

Объем и структура диссертации

Диссертационная работа состоит из введения, четыре главы, выводов и списка литературы, насчитывающего 183 источника, из них 34 на иностранном языке, приложений на 17 страницах. Объем работы составляет 147 страниц машинописного текста, включает 46 таблицу, иллюстрации на 63 рисунках и 7 приложений.

Искусственный интеллект

НС представляет собой математическую модель, а также программную или аппаратную реализации, построенные по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма [64, 82]. Разработано огромное количество алгоритмов функционирования и обучения нейронных сетей, ведутся работы по созданию алгоритмов оптимизации их структуры с целью повышения быстродействия, адекватности результатов, снижения времени на обучение [134].

НС используется в качестве новой вычислительной техники в разных областях науки (в финансах, медицине, машиностроении и т.д.) для решения сложных задач: анализа данных, управления и их кластеризации [130, 137]. НС является мощным инструментом для моделирования, особенно в тех случаях, когда связи между входными переменными неизвестны. НС позволяет проводить мониторинг шероховатости обработанной поверхности в процессе фрезерования [168], контроль износа инструментов на металлорежущих станках [170] и исследование шероховатости поверхности в процессе гидроабразивной обработки [152]. Автор статьи [89] создал сетевую модель для выбора зернистости шлифовальных кругов с элементами использования НС, но конкретные результаты исследования в ней не представлены. В настоящее время модели НС стали использовать в области технологии машиностроения: моделирования и оптимизации процессов [18, 38, 64, 153, 157, 165, 180]; прогнозирования качества [85, 157, 161, 177, 178, 179]; диагностики и контроля эффективности обработки [22, 86, 149, 174, 181] и др.

Таким образом, НС представляет универсальный способ решения многих нестандартных задач, способна уловить сложные нелинейные зависимости, самосовершенствоваться в процессе обучения. Как будет показано ниже, свойство самообучения отсутствует в НЛ. Использование построенных на их основе систем эффективно, сравнительно просто и не требует больших затрат. Растущий интерес к этой технологии привел к значительному расширению сферы ее использования, появлению множества различных подходов и алгоритмов обучения.

Что касается машиностроения, то использование этой технологии в столь наукоемкой и многогранной области предоставляет огромные возможности для поиска эффективных решений самых различных задач с удовлетворительной точностью, многие из которых ранее не рассматривались.

НЛ представляет собой раздел ИИ, являющийся обобщением классической логики и теории множеств. Регулятор с НЛ является успешным применением теории нечетких множеств. Она была предложена американским математиком Лотфи-Заде в 1965 г. [39]. С помощью нечеткой логики обрабатывают неопределенные данные и ситуации, используя ассоциативные понятия человека в лингвистических терминах [32, 33].

В условиях неопределенности состояния поверхностей деталей создание традиционной системы управления технологическим процессом нецелесообразно и малоэффективно. По этой причине возникает необходимость в создании интеллектуальной самообучающейся системы управления, в которой параметры системы управления и ее структура настраиваются автоматически для получения необходимой эффективности технологического процесса [84, 95]. В настоящее время одним из перспективнейших направлений для реализации его управления является привлечение нечеткой логики [4, 76]. Общей предпосылкой использования нечеткой логики в машиностроении является наличие в машинной части технологической системы необходимых управляющих воздействий и входных сигналов информации качественного характера.

НЛ применяется при моделировании объектов с непрерывным и с дискретным выходом. Объекты с непрерывным выходом соответствуют задачам аппроксимации гладких функций, возникающих при прогнозировании, многокритериальном анализе, управлении техническими объектами и т.п. [50]. Объекты с дискретным выходом соответствуют задачам классификации в машиностроении и технической диагностике, в распознавании образов, в ситуационном управлении и при принятии решений в подобных задачах [146].

Выводы, цель и задачи исследования Из проведенного анализа литературных источников вытекает:

1. В настоящее время высокопрочная коррозионно-стойкие стали применяются во многих отраслях промышленности: космической технике, авиационной, транспортном машиностроении; химической и нефтехимической промышленности и др. Высокая прочность и вязкость относит сталей к классу труднообрабатываемых материалов, что особенно затрудняет их обработку резанием лезвийными и абразивными инструментами. Одним из перспективных методов обработки кор-розионно-стойких сталей является маятниковое плоское шлифование, которое на завершающем этапе изготовления позволяет обеспечить получение деталей с высокими эксплуатационными характеристиками при минимальных затратах.

2. Одним из эффективных направлений шлифования деталей из коррози-онно-стойких сталей является использование ВПК с зернами из КНБ. Для широкого внедрения этой технологии в промышленности требуется отработка характеристик ВПК из КНБ. На практике этой проблеме уделяется недостаточное внимание. Учитывая высокую стоимость КНБ, отработка характеристик круга является актуальной проблемой, способствующей более широкому применению ВПК из КНБ в промышленности. 3. В настоящее время технологические рекомендации по плоскому шлифованию деталей разработаны без учета их податливости и операционного припуска. Обычно операционный припуск учитывается только с позиций снятия с поверхности дефектов предшествующего этапа обработки. Податливость деталей вообще не принимается внимание в связи с сложностью проведения эксперимента, требующего при традиционном подходе изготовления большого количества образцов различных размеров.

4. При значительном интересе к широкому внедрению коррозионно-стойких сталей в качестве конструкционного материала, обладающего уникальными свойствами, необходимо иметь дифференцированные и интегральные оценки их обрабатываемости при плоском шлифовании. Их отсутствие препятствует прогнозированию эффективных условий обработки, нормированию расхода инструмента и выполнению плановых заданий на производстве.

5. Для разработки технологических рекомендаций по шлифованию различных марок коррозионно-стойких сталей необходимо их классифицировать по обрабатываемости при шлифовании и предложить новые технологические приемы для повышения производительности процесса при заданном качестве получаемых деталей.

Эти выводы позволяют сформулировать цель исследования. Цель данной работы - Повышение качества плоского шлифования деталей абсолютной и переменной жесткости из коррозионно-стойких сталей высокопористыми кругами из кубического нитрида бора.

Методика построения моделей нечеткой логики

Первоначально программа Design Expert ведет поиск моделей МДА с использованием метода наименьших квадратов (НК-оценок). При необходимости они могут быть трансформированы методом максимального правдоподобия (МП-оценок). В работе [159] показано, что метод НК- оценок основан на минимизации остаточной суммы квадратов (RSS). Выбираются такие значения параметров модели, при которых сумма квадратов разностей между опытными и предсказанными средними сводится к минимуму, что повышает ее адекватность. По результатам МДА ведем поиск модели, в которой сохраняются i-ые значимые главные эффекты и их взаимодействия, удовлетворяющие неравенству F =J Fwfi .J ) , (2.24) где Fi - i-ые наблюдаемые критерии Фишера (Fi - отношения); MSi - средние суммы квадратов факторов и их эффектов взаимодействий; MRS - средняя сумма квадратов остатков; F0fi5(JMSijMRS) -критическое F-отношение на 5%-ом уровне при числе степеней свободы числителя fMS и знаменателя fMRS.

Важным аспектом диагностики модели НК-оценок (т. е. ее степени адекватности) является отсутствие мультиколлинеарности. Она возникает, когда две или более переменных, входящих в регрессию, коррелированы между собой. При этом коэффициенты регрессии становятся неустойчивыми к малым варьированиям факторов. Для проверки наличия мультиколлинеарности используется коэффициент возрастания дисперсии VIF (variance inflation factors), который должен удовлетворять следующему неравенству: = [1/(1-Дг2)] 10, (2.25) где R2 - коэффициент детерминации i-го элемента регрессии. Адекватность полученной модели принимается, если диапазон предсказанных откликов в факторном пространстве оказывается больше, чем величина ошибок этих предсказаний. По критерию Бокса-Уэтца должно выполняться следующее неравенство [159]: Гп й-пш Л (226) _ ylv(y) ] где в числителе представлен диапазон значений отклика в факторном пространстве, в знаменателе - средняя вариация прогнозируемых средних, равная -ґ 1 V VMRS2 yyu Nn/L yyu Nn i=1 где p - число подбираемых параметров модели, включая аддитивную постоянную, - число наблюдений, 2 - оценка дисперсии. Качество полученной модели можно оценить с использованием коэффициента детерминации R2: 2 = , (2.27) + где RSS - сумма квадратов регрессии, ESS - сумма квадратов остатков. Возрастание (2.27) характеризует повышение точности подбора линии регрессии, т.е. пригонки модели.

Оценка (2.27) является смещенной. Исправленную оценку получают следующим преобразованием: (скор - прог) 0,2 , (2.28) где с2кор и 2рог - скорректированный и ожидаемый коэффициенты детерминации. Значимое влияние при построении регрессионной модели оказывают выбросы. К ним относят атипичные наблюдения, лежащие в стороне от регрессионной зависимости для большинства измерений. Эти данные могут искажать истинные свойства изучаемого параметра. Их наличие обусловлено ошибками, допущенными на стадии измерения или аномальными явлениями. Они оказывают существенное влияние на угол наклона регрессионной линии и соответственно на коэффициент корреляции. Строго говоря, выброс не принадлежит данной генеральной совокупности и, следовательно, должен быть исключен из анализа. Анализ распределения остатков позволяет обнаружить отклонения исходных данных от нормального распределения, а также выбрать вид нормализующего преобразования. Для выявления выбросов строится зависимость прогнозируемых средних у и остатков. Внутренние стьюдентизированные остатки (Internally studentized residual) можно определить из выражения =-1-, (2.29) где hi - показатель воздействия наблюдения или «разбалансировка». Таким образом, (2.29) получают путем деления каждого остатка на его стандартную ошибку. Для каждой модели НК-оценок (2.29) должны удовлетворять закону /-распределения СВ, имеющих рассеяние в пределах доверительного интервала. При нарушении условий (2.25), (2.26), (2.28), (2.29) исходная модель подлежит трансформированию с пригонкой по методу МП-оценок. Для этого используется степенное или логарифмическое преобразование исходной функции [159]: Г(у + Са)яприЛ 0, (2.30) ух 1/п(у + Сл)приЯ = 0, (2.31) где Ся - константа, подбираемая программой из условия, чтобы функция у + Сл была представлена вещественной переменной (СЛ = 0 при прогнозировании всех параметров качества деталей).

Преобразование Бокса-Кокса позволяет построить график зависимости остаточной суммы квадратов ESS для (2.30) или \n(ESS) для (2.31) от величины оператора Я. Наилучшим значением Я является тот, который обеспечивает минимум по ординате. Полученная модель МП-оценок так же должна быть проверена на наличие выбросов.

В работах [163, 155, 151, 156] для многопараметрической оптимизация поверхности отклика приложено использовать функцию толерантности (desirabilirty), которая можно определить из выражения d = (df1 X d 2 X ... X d 1)1/! = (П=і d?)1/Z , (2-32) где d - интегральная функция толерантности для всех целевых функций, включенных в оптимизацию технологических процессов; dk,k = 1; w - дифференциальная функция толерантности к-ой целевой функции ; Л = ЇУ5 - ранги, присваиваемые целевым функциям с учетом их важности в обеспечении качества продукции. Как видно из (2.32), возрастание ранга увеличивает значение к-ой целевой функции в системном проектировании и ведет к соответствующему изменению интегральной функции толерантности. При этом (2.32) в пределе стремится к еди нице. Для автоматизированного поиска дифференциальных функций dk используются модели, полученные ранее на втором этапе поиска поверхности отклика. Оптимизацию каждой ожидаемой средней отклика можно реализовать в пространстве наблюдений следующими кусочно-непрерывными функциями в зависимости от поставленной цели:

Анализ влияния параметров кругов на качество деталей с привлечением статистического метода

Отмеченные закономерности для параметра EFEq при увеличении глубины резания имеют место при шлифовании деталей из других сталей: ВНС-5 – от TFE7 до TFE6; ВНС-2 – от TFE6 до TFE5. По параметру EFEa для сталей ВНС-5 и ВНС-2 отмеченная закономерность по квалитетам точности полностью сохранилась, хотя сами величины мер положения снизились. Вероятнее всего, полученные результатам по глубинам резания обусловлены высокими режущими способностями ВПК и снижением роли их неуравновешенности в результате роста упругих натягов в технологическом звене «заготовка – ВПК». По вспомогательным параметрам стабильности процесса шлифовании для различных шлифуемых сталей имеет ту же тенденцию рассеяния, что и для EFEmax.

Сопоставление шлифуемости исследуемых сталей по всем показателям точности формы однозначно выявило, что первую позицию следует отдать сталь ЭП817-Ш.

Влияние выхаживающих проходов на качество деталей рассмотрено при шлифовании плоских деталей из коррозионно-стойкой стали ВНС-5 ВПК ЛКВ50 В107 100 ОVK27 КФ40 после рабочего цикла с глубиной t = 0,01мм. Индекс / = 0І8 характеризует числом выхаживающих проходов: 0 - без выхаживания; / = 2; 4; 6; 8 – с числом выхаживаний соответственно 2; 4; 6 и 8. Описательные непараметрические статистики для параметров Ra1 и Rmax1 при шлифовании деталей ВНС-5 с выхаживанием

В условиях нарушений однородности и нормальности распределений экспериментальных данных оправданным оказалось привлечение рангового метода статистики. В таблице 3.7 представлено влияние выхаживания на качество деталей.

Из таблицы 3.7 и рисунка 3.6 видно, что по медианам высотных параметров Ra1 и Rmax1 выхаживание оказалось неэффективным. При всех выхаживающих проходах, кроме f = 2, высоты шероховатостей находятся в пределах одной КВ, а при f = 2 даже возросли на одну КВ. Однако выхаживание сопровождается одновременно повышением прецизионности процесса . При этом наименьшие КВ имеют место Таблица 3.7 – Влияние выхаживания на качество деталей

Наибольший эффект на качество деталей выхаживание оказало на снижение медиан отклонений от плоскостности и их мер рассеяния (таблица 3.8 и рисунок 3.7, а), которые имеют наименьшие величины при /= 4. При этом медианы снизились в 1,1…1,15 раза, а КШ - в 4…5 раз. Таким образом, выхаживание с числом проходов/= 4 обеспечивает наилучшую стабильность процесса как по показателям отклонений от плоскостности, так и по шероховатостям.

По микротвердости медиана оказалась наибольшей при выхаживании с числом проходов/= 2 (#К=5701,93 МП) c поправочным коэффициентом fe=1,20 (2.16). При шлифовании с проходами /= 4, 6, 8 медианы незначительно снижаются (к/= 1,7; 1,8), но остается выше, чем при шлифовании без выхаживания. Как видно из таблицы 3.8, наибольшая стабильность процесса по КШ2 = 557,45 МПа предсказана для наибольшей медианы mHV2 = 5701,93 МПа.

Установлено, что наибольшая эффективность выхаживания по мерам положения и рассеяния по точности формы и микротвердости имеет место при двух-четы-рех проходах. Сказанное по шероховатости обеспечивается только по прецизионности процесса. Таблица 3.8 – Влияние выхаживания на меры рассеяния показателей качества Пара Метр f = 0;S КШ, мкм kстf(2.19)

Для анализа влияния направления врезания круга в деталь на качество поверхности натурные опыты проведены на базовым режиме при шлифовании деталей из детали ВНС-5, который может быть реализован при задании по поперечной подачи в мм/дв. ход (раздел 3.1.3). В условиях нарушений однородности дисперсий и нормальности распределений для интерпретации экспериментальных данных оправданным оказалось привлечение непараметрического метода статистики.

Рисунок 3.8 – Влияние направления резания круга на одномерные распределения частот непараметрического метода для параметров Ra1 (а) и Rmax1 (б)

На рисунке 3.8. представлено влияние направления врезания в деталь на одномерные распределения частот непараметрического метода для параметров Ra1 (а) и Rmax1 (б). Как видно из рисунка 3.6, а, опытная медиана для параметра Ra1 при встречном врезании оказалась меньше по сравнению с попутным аналогом в 1,185 раза, но в пределах одной КВ = 0,4 мкм. По стабильности процесса по КШ при встречном направлений врезания (0,08 мкм) оказались больше, чем при альтернативном врезании (0,06 мкм), в 1,33 раза. Для параметра Rmax1 рисунок 3.6, б) опытная медиана и КШ при встречном врезании оказались меньше, чем при попутном аналоге: в 1,1 раза для медианы и КШ. При этом размахи наблюдений для обоих параметров шероховатости предсказаны наибольшими при встречном шлифова нии, особенно для параметра Rmax1. Если рассматривать расположение размахов относительно медиан, то их рост при встречном врезании круга не сопровождается ухудшением микрорельефа. Оно является результатом того, что снизились нижние границы размахов ymin. При этом его верхняя граница ymax не превысила верхнюю границу КШ- y0,75.

Влияние схемы врезания круга на формирование макрогеометрии и микротвердости поверхностей представлено на рисунке 3.9.

Закономерности изменения всех показателей отклонений от плоскостности от схемы врезания круга в деталь получены идентичными и представлены на рисунке 3.9, а для основного показателя EFEmax. Из него видно, что при шлифовании с встречным направлением врезания максимальное отклонение от плоскостности EFEmax оказалось меньше в 1,16 раза по сравнению с попутным врезанием. Однако при встречном врезании повысилась прецизионность процесса по КШ для параметра EFEmax в 1,25 раза.

Моделирование и прогнозирование параметров качества шлифованных деталей переменной податливости с привлечением методов искусственного интеллекта

Для параметра 50(1) на черновом режиме шлифования: A=C=D=+1 (рисунок 4.8, а) - его максимум 56,42 % формируется в точке = -0,5, затем он интенсивно снижается до 24,55 % в точке = +1. В идентичных условиях в продольном направлении величина 50(2) возрастает от 30,82 % до 65,88 %. При чистовом режиме шлифования: A=C=D=-1 (рисунок 4.8, б) - с увеличением фактора В параметр 50(1) уменьшается незначительно по модулю от 64,80 % до 59,85 %, а для параметра 50(2), напротив, возрастает от 37,74 % до 48,79 %, т. е. в 1,3 раза. Если характер полученных зависимостей увязывать с высотными параметрами i 1 рисунок 4.5, а, г), Rmax1 (рисунок 4.5, б, д), которые являются приоритетными в оценке шероховатости, то следует руководствоваться результатами, представленными на рисунке 4.8, и шлифование вести с минимальной поперечной подачей. При оптимизации процесса увеличение параметра tp(2) с ростом фактора В снижает эффективность шлифования с учетом требований по другим параметрам качества поверхности. Выбор поперечной подачи зависит от этапа шлифования: при черновом шлифовании следует принимать B = +0,25. В этом случае 50(1) = 50(2) = 45%. При чистовом шлифовании в общем диапазоне варьирования B [-1,0;+1,0] опорные длины 50(1) незначительно снижаются, а 50(2) возрастают, оставаясь меньше поперечных параметров. Наименьшее различие между ними предсказано при наибольшем факторе B = +1,0. иллюстрируют поверхности откликов для параметров точности формы поверхностей при одновременном варьировании продольной и поперечной подач на черновом (С = D = +1) - рисунок 4.9 а, б, в и чистовом (С = D = -1) -рисунок 9 г, д, е этапах шлифования. Полученные результаты показывают, что при чистовом этапе шлифования отклонения от плоскостности возросли относительно чернового этапа в 1,5… 2 раза в результате снижения упругого натяга между ВПК и заготовкой при многопроходном съеме припуска одновременно изменился вид поверхности отклика. На черновом шлифовании поверхность отклика имеет выпуклость вдоль оси В при фиксированном А = 0. Сказанное наиболее ярко проявилось для параметра EFEa. При чистовом шлифования поверхность отклика, напротив, имеет вогнутость в том же направлении, что и выпуклость на предварительном шлифовании. (е)

Наиболее ярко сказанная закономерность так же проявилась для параметра EFEa. В практическом отношении представляет интерес условия получения наибольшей точности формы. При черновом шлифовании наилучшая точность формы предсказана в точке A = B = –1. С учетом производительности процесса фактор A следует увеличить до +1. При этом точность формы снижается в пределах одного ТFE. На чистовом шлифовании целесообразно для сохранении высокой производительности B увеличить до +1, а фактор A снизить до 0.

Рисунок 4.10 иллюстрирует влияние глубины резания и операционного припуска на параметры отклонений от плоскостности: (а,г), (б, д), (в, е) на этапах шлифования: черновом (C =D =+1) – рисунок 4.10 а, б, в и чистовом (C = D = –1) – рисунок 4.10 г, д, е. При этом на чистовом этапе шлифования они снизились по сравнении с черновым в 1,6…1,8 раза. Поверхности откликов имеют выпуклость на предварительном шлифовании и вогнутости при окончательной обработке, расположенные вдоль оси D при фиксированном С = 0. При этом видно, что на первом этапе шлифования с увеличением глубины резания С от –1 (t = 0,005 мм) до +1 (t = 0,02 мм) и припуска z от 0,1 до 0,3 мм отклонения от плоскостности уменьшаются до минимума TEF8, 6, 7 соответственно для EFEmax, EFEa.и EFEq. К сожалению, возрастание операционного припуска повышает трудоемкость шлифовальной операции. Тенденция назначения наибольшего припуска D = +1,0 сохранилась и при окончательном шлифовании. Однако в этом случае рекомендовано снизить фактор С = 0 (t = 0,0125 мм).

Влияние глубины резания и припуска при шлифовании деталей абсолютной жесткости на параметры отклонений от плоскостности: Установлено, что для обеспечения высокой точности формы поверхностей шлифование необходимо вести с глубиной резания t = [0,0125; 0,02] мм и припуском z = [0,25; 0,3] мм. иллюстрируют поверхности откликов для параметров микротвердости при одновременном варьировании продольной и поперечной подач на этапах шлифования: черновом (C = D = +1) – рисунок 4.11, а и чистовом (C = D = –1) – рисунок 4.11, б.

Влияние продольной и поперечной подач при шлифовании деталей абсолютной жесткости на поверхности откликов HV.: а - C = D = +1; б - C = D = –\ Рисунок 4.11, а иллюстрирует, что при черновом шлифовании микротвердость увеличивается до максимума при режиме А = -1, В = +1. Отмеченная закономерность имеет место и при чистовом шлифовании (рисунок 4. 11, б) при постоянных факторах С = D = -1. Сказанное обусловлено возрастанием силы резания при увеличении поперечной подачи и превалирующем силовым воздействием круга на деталь. Считаем, что в данном случае значимое разупрочнение поверхности от теплового источника практически отсутствует. Сказанное подтверждает высокие РС зерен CBN30. При черновом шлифовании при изменении А от -1,0 до +1 наблюдаемое снижение микротвердости связано с разупречнением поверхности в общем диапазоне варьирования поперечной подачи. При чистовом шлифовании сказанное отмечено только при В = +1.