自助下单地址（拼多多砍价，ks/qq/dy赞等业务）：点我进入

作者：Sudhansu Ranjan Das、Debabrata Dhupal、Amaresh Kumar

概括：

本文采用CBN刀具对AISI 52100轴承钢进行精车削，采用田口L9正交阵列和变量分析（ANOVA）研究切削参数（切削速度、进给量和切削深度）对性能特性的影响（切削力，表面粗糙度）。 结果表明，进给量和切削速度对表面粗糙度的影响最为显着； 而影响切削力的主要因素是切削深度，其次是进给量。 使用多元线性回归分析对实验数据进行深入分析并预测切削力和表面粗糙度的最佳范围； 以及切削参数与性能特征的相关性。 最后，在最佳切削条件下（v=200m/min，f=0.08mm/rev，d=0.2mm），用光学显微镜和扫描电子显微镜（SEM）观察刀具磨损面和工件加工面。 .

1 简介

大于46HRC的钢件硬车削广泛应用于齿轮、凸轮、轴承、模具等制造工艺中。因应工件的高机械负荷和热负荷，以及切削材料的优越性能、CBN、PCBN和聚晶金刚石工具应运而生。 与传统的磨削工艺相比，硬车削工艺可以大大降低制造成本，缩短加工时间，提高工件的整体表面质量，减少不利于环保的冷却液的使用。

加工表面的表面特性对零件的疲劳强度、耐蚀性、摩擦性能等性能有重要影响。 加工后的表面光洁度和完整性决定了工件的表面质量。 表面粗糙度越大，表面光洁度越差，零件寿命越短。 因此，控制加工表面是非常重要和可行的； 可以通过调整切削力来实现。 切削力的研究和分析在硬车削过程中也很重要。 切削力与切削性能密切相关，如表面精度、刀具磨损、切削温度和受迫振动等。 车削过程中影响切削性能的因素很多，如工件变量、刀具变量和切削参数等。 刀具变量包括刀具材料、切削刃几何形状（后角、切削刃倾角、刀尖半径、前角）和刀具振动等。 工件变量包括材料、机械性能、物理化学性能等。切削参数包括切削速度、进给量和切削深度。

在本文中，使用 CBN 刀具对 AISI 52100 轴承钢进行精车，研究了切削参数（切削速度、进给量和切削深度）对性能特征（切削力、表面粗糙度）的影响。 使用多元线性回归分析对实验数据进行深入分析并预测切削力和表面粗糙度的最佳范围； 以及切削参数与性能特征的相关性。

2.实验

在本实验中，切削速度 (v)、进给量 (f) 和切削深度 (d) 是切削参数。 表1为确认参数及其准水平； 表 2 是田口正交阵列。

实验采用直线干车削，机床为SN 40，主轴功率为6.6kW； 工件为AISI 52100轴承钢圆棒，直径41mm，长度300mm； 工件材料成分：1.05%C； 1.41% 铬； 0.38%锰； 0.21%硅； 0.02%钼； 0.03%铝； 0.28% 铜; 0.02%磷； 0.02%锡； 850℃淬火，250℃回火，工件平均硬度为60HRC。 在工件上钻一个孔，固定在尾座上加工粗糙度，如图1所示。加工前，工件表面进行研磨和清洁，切削深度为1.0mm。 CBN刀具为山特维克公司的CBN7020，固定在刀架上。 刀具与刀柄负倾角γ=-6°，后角α=6°，负刃倾角λ=-6°。 棱角 Xr = 75°。 用光学洪德（WAD）显微镜观察刀具磨损； 用Kistler 9257B测力计在三个相互垂直的方向上测量切削力； 各组切削参数下的表面粗糙度用Surftest 301 Mitutoyo表面粗糙度仪进行计量。

3。结果与讨论

3.1 切削力与表面粗糙度分析

通过方差分析(ANOVA)对表2中获得的实验结果进行分析。 确定了对性能特征（表面粗糙度、切削力）有显着影响的因素，如表 3 所示。显着性水平为 α=0.1，并以 90% 的置信水平进行分析。 表的最后一列是影响比。

对切​​削力影响最显着的是切削深度(d)，占整个变量的64.39%； 其次是进给率，21.22%； 最后是切割速度，11.96%。 图 2 中切削力的主效应图表明，切削力 (Fc) 随进给速度和切削深度的增加而增加； 另一方面，切削速度对切削力的控制降低。 这是由于随着进给和切削深度的增加，刀具和切屑接触面的增加导致切削力增加。 切削速度的提高会导致切削温度升高，并引起工件材料软化加工粗糙度，材料屈服强度降低，切屑厚度和刀具切屑接触长度减小，使切削力呈下降趋势。

由表3(b)可知，进给量是唯一对表面粗糙度算术平均值影响显着的因素，占68.12%； 其次是切削速度，占25.11%。 图3是表面平均粗糙度的主效应图。 进给率的增加和切削速度的降低导致表面粗糙度的增加。

3.2 最佳设计预测

如表4所示，当切削力Fc最显着的两个因素为：

当 时，Fc的90%置信区间可由下式计算：

在，

最后，Fc 的 90% 置信区间为：

如表4所示，当影响表面粗糙度Ra的最显着因素在f1水平时，表面粗糙度（Ra）的预测均值计算如下：

Ra的90%置信区间计算公式为：

最后，Ra 的 90% 置信区间为：

3.3 协会

使用多元线性回归将因素和性能特征相关联； 生成的模型如下：

使用确定系数（R2 值）对模型进行诊断测试。 当 R2 接近统一时，响应模型与实际数据一致。

3.4 验证试验

从图2和图3可以看出，准牌号v3、f1和d1的组合，表面粗糙度最小，切削力最小。 因此，为了确定表面粗糙度和切削力，本研究以v3f1d1作为验证试验； 实验结果与预测值接近，如表5所示。

图4显示了CBN刀具侧面的磨损图。 后刀面的磨损模式表明刀具切削刃和后刀面与工件材料之间的摩擦导致了磨损。 侧面出现许多凹槽； 这些凹槽是由 AISI 52100 钢中的超硬碳颗粒造成的。 图5为加工时表面质量的SEM图像，切削速度为200m/min，进给量为0.08mm/rev，切削深度为0.2mm。 图 6 显示了 AISI 52100 淬硬钢在最佳切削参数下的切削力。

4。结论

切削力随着进给量和切削深度的增加而增加； 随着切削速度的增加而减小。 切削深度对切削力的影响最大，其次分别是进给率 (21.22 %) 和切削速度 (11.96 %)。

表面粗糙度受进给量影响最大，占68.12%。 表面粗糙度随进给率增加。 切削速度有负面影响 (25.11%)，切削深度的影响可以忽略不计 (2.50%)。

最佳预测切削力和表面粗糙度的 90% 置信区间分别为 61.38 ≤ µFC ≤ 109.98 N 和 0.415 ≤ µRa ≤ 0.711 µm。

切削参数与性能的关系可用多元回归方程表示，可用于预测任意参数准水平的预期性能值。 （编译：​​中国超硬材料网）