李琛,姚學(xué)練,劉世緣,馬廉潔,王二濤
(東北大學(xué) 秦皇島分??刂乒こ虒W(xué)院,河北 秦皇島 066004)
灰色聚類根據(jù)灰色關(guān)聯(lián)矩陣或灰數(shù)的白化權(quán)函數(shù)把觀測指標(biāo)或觀測對象劃分成若干個可定義類別,能綜合考慮多種因素的影響,評價客觀合理,結(jié)果準(zhǔn)確[1]。于愛兵等[2]利用灰色聚類法評價了陶瓷加工的磨削性,研究結(jié)果表明:灰色定權(quán)聚類是一種可行的陶瓷材料磨削加工性綜合評價方法;鄭蕊蕊等[3]利用改進(jìn)的灰色聚類方法對電力變壓器的故障診斷進(jìn)行了分析,實驗結(jié)果證明,改進(jìn)的灰色聚類方法具有分析速度快和實用性好等優(yōu)點。ABAQUS 有限元軟件可以用來分析復(fù)雜的力學(xué)系統(tǒng),解決高度非線性的問題、模擬復(fù)雜的模型,是一種功能強(qiáng)大的有限元分析軟件[4]。
切削加工(可切削性,機(jī)械加工性):指工件被切削加工后而成為合格工件的難易程度,切削加工性好壞常用刀具的磨損程度來衡量[5-6]。本文利用ABAQUS對硬質(zhì)合金刀具車削硬脆材料進(jìn)行了模擬,得到車削力與車削溫度,并根據(jù)磨損率公式利用MATLAB 對刀具磨損量進(jìn)行了計算。在現(xiàn)有灰色聚類的基礎(chǔ)上,利用6 種材料屬性與刀具磨損量的灰色關(guān)聯(lián)度對權(quán)值的設(shè)定進(jìn)行了改進(jìn),根據(jù)材料屬性對11 種硬脆材料分為3個灰類(k=1,2,3 分別代表易加工、中等、難加工三個標(biāo)準(zhǔn)),并利用ABAQUS 仿真結(jié)果進(jìn)行了檢驗,說明本文利用灰色定權(quán)聚類模型評價硬脆材料的可車削性具有一定的可靠性。
Brittle Cracking 是ABAQUS 提供的脆性斷裂模型。瑞典學(xué)者Hillerborg 等[7]從斷裂能量角度出發(fā),提出了虛擬裂縫模型(FCM),即有應(yīng)力作用的虛擬裂縫來模擬微裂縫,并將虛擬裂縫間應(yīng)力的傳遞規(guī)律用如下關(guān)系式表示:
由于單個二維切削模型不能同時兼顧進(jìn)給量和切削速度,所以本文設(shè)計了兩個二維切削模型(圖1),得到的切削力的值取F=,切削溫度取兩者的平均值T=(T1+T2)/2。在本文中:切削速度vc=0.933 m/s,進(jìn)給速度f=0.046mm/r,切削深度ap=0.02 mm。
圖1 ABAQUS 二維切削示意圖
硬質(zhì)合金刀具的磨損主要分為刀具發(fā)生磨料磨損、粘結(jié)磨損、擴(kuò)散磨損[8]。
綜合村田&竹山[9]和臼井[10]兩個模型可得刀具磨損率模型:
式中:A=4.0×10-4,B=7 000,在文獻(xiàn)[9]中給出的G 值轉(zhuǎn)化后為2.37×10-11。
表1 刀具磨損量
聚類指標(biāo)意義、量綱不同,在數(shù)量上懸殊較大時,采用灰色變權(quán)聚類會導(dǎo)致某些指標(biāo)參與聚類的作用十分微弱,采用灰色定權(quán)聚類效果較好。在ABAQUS 仿真中,對最終磨損量產(chǎn)生影響的因素主要有彈性模量、泊松比、熱導(dǎo)率、密度、比熱容和熱膨脹系數(shù)6 個屬性,因此本文以11 種陶瓷材料作為聚類對象,以彈性模量、泊松比、熱導(dǎo)率、密度、比熱容和熱膨脹系數(shù)作為6 個聚類指標(biāo),將陶瓷材料車削加工性作為3 個灰類(k=1,2,3 分別代表易加工、中等、難加工三個標(biāo)準(zhǔn))。設(shè)xij(i=1,2,…,n;j=1,2,…,m)為對象i 關(guān)于指標(biāo)j 的觀測值,(·)(j=1,2,…,m;k=1,2,…,s)為j 指標(biāo)k 子類的白化權(quán)函數(shù)。若對任意的k1,k2∈{1,2,…,s}總有,可以將的上標(biāo)k 略去,記作ηj(j=1,2,…,m),稱·ηj為對象i 屬于k灰類的灰色定權(quán)聚類系數(shù)。
白化權(quán)函數(shù)分為4 種形式:典型白化權(quán)函數(shù)、下限測度白化權(quán)函數(shù)、適中測度白化權(quán)函數(shù)和上限測度白化權(quán)函數(shù),如式(4)~式(7)所示。
典型白化權(quán)函數(shù):
下限測度白化權(quán)函數(shù):
適中測度白化權(quán)函數(shù):
上限測度白化權(quán)函數(shù):
不同的材料屬性對材料可車削性的影響是不同的,例如彈性模量越大,可車削性越好[2],熱導(dǎo)率越大,可車削性越好,本文中白化權(quán)函數(shù)如式(8)所示。
2)基于灰色關(guān)聯(lián)分析的各指標(biāo)聚類權(quán)ηj(j=1,2,…,m)的確定。
灰色關(guān)聯(lián)分析法彌補(bǔ)了采用數(shù)理統(tǒng)計方法作系統(tǒng)分析所導(dǎo)致的缺憾,對樣本量少信息量貧瘠的問題同樣適用,而且不會出現(xiàn)量化結(jié)果與定性分析結(jié)果不符的情況。
由于數(shù)據(jù)的數(shù)量級相差很大,所以首先對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理:
設(shè)Xi=(xi(1),xi(2),…,xi(n))為一個數(shù)組,當(dāng)i=1,2,3,4,5,6 時,Xi分別代表彈性模量、泊松比、熱導(dǎo)率、密度、比熱容和熱膨脹系數(shù)的數(shù)值。
設(shè)Yi=(yi(1),yi(2),…,yi(n))為一個數(shù)組,當(dāng)i=1,2,3,4,5,6 時,Yi分別代表彈性模量、泊松比、熱導(dǎo)率、密度、比熱容和熱膨脹系數(shù)對應(yīng)的磨損深度的數(shù)值,在本文中Y1=Y2=Y3=Y4=Y5=Y6。
則有Yi與Xi的相對關(guān)聯(lián)度為:
Yi與Xi的絕對關(guān)聯(lián)度為:
其中:
灰色綜合關(guān)聯(lián)度為:ρ0i=θε0i+(1-θ)γ0i,θ∈[0,1],本文將θ設(shè)為0.5,計算結(jié)果見表2,根據(jù)灰色綜合關(guān)聯(lián)度得到權(quán)值:ηi=ρ0i/(ρ01+ρ02+ρ03+ρ04+ρ05+ρ06),計算結(jié)果見表3。
表2 指標(biāo)的灰色綜合關(guān)聯(lián)度
表3 指標(biāo)的權(quán)值
比較對象聚類系數(shù)大小,判定對象所屬灰類:
屬于灰類[1](易加工)的對象有:2,3,6;
屬于灰類[2](中等)的對象有:8,11;
屬于灰類[3](難加工)的對象有:1,4,5,7,9,10。
由表1 不難發(fā)現(xiàn):W3<W6<W2<W8<W11<W5<W10<W7<W1<W9<W4,刀具磨損量越大,則材料越難加工,這灰色定權(quán)聚類的分類結(jié)果一致。
利用ABAQUS 和磨損率公式對刀具磨損量進(jìn)行了計算。基于灰色定權(quán)聚類模型對11 種硬脆材料的可車削性進(jìn)行了評價,并以刀具磨損率為依據(jù)進(jìn)行了檢驗,檢驗結(jié)果與灰色定權(quán)聚類的分類結(jié)果一致,表明本文利用灰色定權(quán)聚類模型評價硬脆材料的可車削性具有一定的可靠性。
[1]鄧聚龍.灰色系統(tǒng)(社會·經(jīng)濟(jì))[M].北京:國防工業(yè)出版社,1985.
[2]于愛兵,王敏,田欣利.應(yīng)用灰色聚類法評價陶瓷材料的磨削加工性[J].兵工學(xué)報,2007,28(2):197-201.
[3]鄭蕊蕊,趙繼印,王志男,等.基于改進(jìn)灰色聚類分析的電力變壓器故障診斷[J].吉林大學(xué)學(xué)報:工學(xué)版,2008,38(5):1237-1241.
[4]石亦平,周玉蓉.ABAQUS 有限元分析實例詳解[M].北京:機(jī)械工業(yè)出版社,2006.
[5]林樹興,陳建紅.材料切削加工性度量的指標(biāo)體系及評價方法[J].工具技術(shù),1996,31(4):6-8.
[6]Sandvik Coromant.Modern metal cutting[M].A.B.Sandvik Coromant,1994.
[7]Hillerborg A,Modeer M,Petersson P E.Analysis of crack formation and crack growth in concrete by means of fracture mechanics and finite elements[J].Cement and Concrete Research,1976,6(6):773-782.
[8]李友生,鄧建新,張輝,等.高速車削鈦合金的硬質(zhì)合金刀具磨損機(jī)理研究[J].摩擦學(xué)學(xué)報,2008(5):443-446.
[9]Takeyama H,Murata R.Basic Investigation of Tool Wear[J].Journal of Engineering for Industry,Transactions of the ASME,1963,85(1):33-38.
[10]Usui E,Shirakashi T.Analytical Predicition of Cutting Tool Wear[J].Wear,1984(100):129-151.