（西北工業(yè)大學現(xiàn)代設計與集成制造技術(shù)教育部重點實驗室，西安710072）

航空航天技術(shù)的不斷發(fā)展對航空材料性能提出了更高的要求。陶瓷顆粒與鋁合金的復合使顆粒增強鋁基復合材料展現(xiàn)出如低密度、高比強度、高比剛度、高耐磨性和低熱膨脹系數(shù)等優(yōu)異性能，在航空航天領(lǐng)域得到廣泛關(guān)注[1-3]?；谏鲜鰞?yōu)點，顆粒增強鋁基復合材料已成為制造航空發(fā)動機大尺寸風扇葉片的理想材料之一。由于鋁基復合材料微觀結(jié)構(gòu)的復雜性，高硬度增強顆粒的磨粒磨損作用，導致鋁基復材難以機械加工，特別體現(xiàn)在刀具壽命短、表面質(zhì)量差以及材料去除率低等方面[4-7]。

車削加工是顆粒增強鋁基復合材料精密和超精密加工主要手段之一。目前，針對該類型材料車削加工性能的研究主要集中在傳統(tǒng)SiC顆粒增強鋁基復材車削加工的刀具磨損、表面完整性、表面微觀形貌及車削參數(shù)優(yōu)化等方面[8-10]。然而，作為新型原位自生TiB2/Al復合材料，其制備尚處于研究階段，國內(nèi)外還未見到對其車削性能進行研究的相關(guān)文獻。同時，由于TiB2增強顆粒的尺度、力學性能、材料構(gòu)型方式與傳統(tǒng)顆粒增強鋁基復合材料具有較大差異，必然影響其機械加工性能。為此，有必要針對TiB2/Al復合材料的車削加工理論方法展開研究。

本文針對車削參數(shù)多目標優(yōu)化問題，主要從以下幾個方面開展研究：首先，開展車削參數(shù)的單因素試驗，研究適合加工該材料的參數(shù)控制域；其次，基于參數(shù)控制域中設計正交實驗，建立表面粗糙度預測模型；最后，以表面粗糙度和材料去除率為目標，基于遺傳算法對車削參數(shù)進行優(yōu)化。以期通過車削參數(shù)多目標優(yōu)化方法的研究，為原位自生TiB2/Al復合材料在實際加工、應用中起到指導作用。

1 試驗材料與方法

1.1 試驗材料

試驗材料為上海交通大學研制的新型6% TiB2/7050鋁基復合材料[5]，其制備方法為熔體反應控制自生，經(jīng)T6處理。在室溫下材料的物理性能見表1，基體成分見表2，材料的SEM圖片如圖1所示。

試驗試樣幾何尺寸為φ20mm×100mm，試驗車削外圓，車削長度為40mm。試驗機床為CK7525數(shù)控車床，最大主軸轉(zhuǎn)速為3000r/min，冷卻方式為干式冷卻。刀具采用山高公司生產(chǎn)的非涂層硬質(zhì)合金刀片，型號為VBMT160408-F2，CP200。試件與車削過程如圖2所示。

表1 6% TiB2/Al復合材料物理性能

表2 6% TiB2/Al復合材料化學成份

圖1 TiB2/Al復合材料SEM圖片F(xiàn)ig.1 Picture of TiB2/Al composites

圖2 試驗件及車削過程Fig.2 Work-piece and turning process

1.2 試驗方法與結(jié)果

1.2.1 單因素試驗及結(jié)果

試驗采用控制變量法，探究車削參數(shù)對表面粗糙度的影響規(guī)律。根據(jù)相關(guān)研究[11]，取v=30m/min，f=40mm/min，ap=0.6mm進行相關(guān)試驗，因素水平見表3。車削參數(shù)對表面粗糙度的影響規(guī)律如圖3所示。表面粗糙度采用接觸式TR620表面粗糙度儀進行測量，表面粗糙度輪廓采用IFM-G4全自動刀具測量儀測量，三維形貌采用Vecco三維光學表面形貌測試儀測量。

表3 切削參數(shù)因素表

圖3 車削參數(shù)對表面粗糙度的影響Fig.3 Effect of cutting parameters on the surface roughness

從圖3中得出，表面粗糙度隨車削速度的增大而減小，車削速度在35mm/min以上時，進一步增大車削速度并不能有效提高表面質(zhì)量；隨著進給速度的增大表面粗糙度值增大，過大的進給速度使表面輪廓以及殘留高度增大，致使表面粗糙度增大[12]；車削深度在0.2～0.8mm的范圍內(nèi)對表面粗糙度影響不明顯，能保證加工表面粗糙度值在0.6μm以下。但是單一的參數(shù)選擇不能滿足實際加工需求，需要多個參數(shù)共同優(yōu)化，以在保證加工質(zhì)量的同時提高材料去除率。

1.2.2 正交試驗及結(jié)果

為實現(xiàn)TiB2/Al復合材料的精密車削，需要合理選擇車削工藝參數(shù)。根據(jù)上述單因素試驗及分析，采用正交試驗法設計TiB2/Al復合材料的精密外圓車削試驗，v、f、ap都各取3水平，分析各車削參數(shù)對表面質(zhì)量和加工效率的影響。試驗方案及表面粗糙度測試結(jié)果如表4所示。從表5中可知進給速度對表面粗糙度影響最大，其次是車削速度，最后是車削深度。進給速度、車削速度、車削深度對表面粗糙度的影響靈敏度所占百分比分別為37.5%、36.4%、26.1%。從圖3（c）中得出車削深度對表面粗糙度的影響不是很明顯，但在車削速度和進給速度耦合作用下，車削深度對表面粗糙度的靈敏度提高，說明改變車削速度以及進給速度能改變車削深度對表面粗糙度的靈敏度。因此，對于3者之間的耦合關(guān)系以及參數(shù)組合對表面粗糙度的影響需要進一步優(yōu)化研究。

表4 正交試驗表面粗糙度

表5 表面粗糙度極差結(jié)果

2 車削參數(shù)優(yōu)化模型建立

選擇車削參數(shù)時要遵循以下原則：在保證加工質(zhì)量的前提下，能最大化地提高材料去除率。只知道粗糙度模型很難得到合適的車削參數(shù)組合能夠同時滿足多個目標，因此需要對車削工藝參數(shù)進行優(yōu)化研究。

2.1 選取設計變量

為了保證設計變量之間的獨立性，論文選取v作為設計變量?，F(xiàn)有工件直徑為20mm，車床在實際生產(chǎn)中主軸轉(zhuǎn)速一般在1200r/min以下，得到最大的車削速度為72m/min。待優(yōu)化的車削參數(shù)分別為車削速度v、進給速度f以及車削深度ap，其表達式為 ：

2.2 目標函數(shù)建立

車削參數(shù)優(yōu)化的目標是在保證加工精度的前提下，盡量提高材料去除率。因此，本文選取表面粗糙度和材料去除率作為優(yōu)化目標[13]。

（1）粗糙度模型建立。

粗糙度經(jīng)驗模型[14]常用基于正交試驗方法獲得，據(jù)公式（1）可表示為：

式中：Ra表示表面粗糙度；c0為常數(shù)；c1、c2、c3分別為指數(shù)。

根據(jù)對上述工藝參數(shù)和表面粗糙度的測試數(shù)據(jù)，通過線性回歸分析方法，得到車削該復材的表面粗糙度經(jīng)驗模型為：

通過顯著性分析，方差R2=0.84＞0.82，表明回歸方程擬合良好，可用于優(yōu)化算法中。

（2）材料去除率模型建立。

從上述分析得到，在工件一定的情況下，影響切削時間的主要因素就是車削參數(shù)，即主軸轉(zhuǎn)速、車削深度以及進給速度，它們越大切削時間越短。為此，可以將車削效率模型簡化為削參數(shù)為約束的簡單模型。其中，影響材料去除率（S）的主要因素為車削深度以及進給速度，為此可以簡化模型為：

2.3 確定優(yōu)化約束條件

實際生產(chǎn)的現(xiàn)實條件對車削參數(shù)有著一定的約束，比如車床的功率、刀具性能等，要求合理選擇參數(shù)優(yōu)化范圍。基于上述分析，最終確定的優(yōu)化數(shù)學模型函數(shù)參數(shù)及約束條件分別如下。

設計變量為v、f、ap，約束條件為：

2.4 優(yōu)化試驗

遺傳算法是一種基于自然選擇原理和自然遺傳機制的搜索尋優(yōu)算法，它模擬生物進化中自然選擇的法則，以基因交叉和變異為基礎，具有極強的全局搜索能力，也是最常用的智能優(yōu)化算法之一?；谶z傳算法的多目標優(yōu)化問題的方法一般有兩種：一是采用權(quán)重系數(shù)法將其轉(zhuǎn)化為單目標優(yōu)化問題求解，二是將Pareto的概念與遺傳算法相結(jié)合求最優(yōu)解，兩種方法各有優(yōu)勢[15-17]。針對車削加工特點，本文選用基于Pareto的遺傳算法進行車削參數(shù)優(yōu)化。

遺傳算法的基本思想是把待優(yōu)化問題的參數(shù)編碼成特定進制的染色體，由初始種群作為問題的初始解，重復使用復制（Reproduction）、交叉（Cross-over）和變異（Mutation）3算子進行操作，直到搜到最優(yōu)解。

3 優(yōu)化結(jié)果及分析

在優(yōu)化過程中，綜合多種因素考慮以及多次優(yōu)化對比分析得出，設定初始參數(shù)為：種群大小為60，迭代次數(shù)為300，交叉概率0.8，變異概率0.05。計算結(jié)果見圖4所示。

圖4 車削參數(shù)優(yōu)化結(jié)果Fig.4 Optimal results of cutting parameters

從圖4可以得出以下結(jié)論：一方面在點1處能得到表面粗糙度值最小的參數(shù)組合，但此處的材料去除率是最小的，是以犧牲材料去除率為代價的；另一方面在點2處得到材料去除率最大的參數(shù)組合，如預期結(jié)果此處的表面粗糙度最大（表面質(zhì)量最差）?？紤]到點2處的表面粗糙度值為0.173μm，滿足生產(chǎn)要求，為此材料去除率作為選擇參數(shù)的主要參考因素，即選擇點2處的參數(shù)作為TiB2/Al復合材料精密車削的工藝參數(shù)組合。優(yōu)化結(jié)果為：車削速度v=71m/min，進給速度f=44mm/min，車削深度ap=0.8mm/min。既可以獲得較高的質(zhì)量，又能獲得較高的車削效率，因此選擇這一組參數(shù)進優(yōu)化試驗驗證。

車削參數(shù)優(yōu)化是為了指導實際車削加工，保證加工質(zhì)量和材料去除率。因此有必要在優(yōu)化的基礎上進行相關(guān)的試驗驗證，為TiB2/Al復合材料精密車削提供參考。驗證試驗整合數(shù)據(jù)及驗證結(jié)果如表6所示。

表6 試驗驗證結(jié)果

從表6得出，試驗驗證結(jié)果相對理論GA-Pareto優(yōu)化結(jié)果有一定誤差，但相比經(jīng)驗參數(shù)得到的表面質(zhì)量以及材料去除率都有較大的改善，從0.27μm優(yōu)化到0.186μm，材料去除率從24mm3/min提高到35.2mm3/min。圖5為經(jīng)驗數(shù)據(jù)和GA優(yōu)化后試驗驗證數(shù)據(jù)下得到的表面粗糙度輪廓分析圖?？梢钥吹絻?yōu)化前表面粗糙度輪廓線峰值為10μm，優(yōu)化后的峰值為5μm；同時優(yōu)化前表面粗糙度輪廓線峰谷值較多，說明在加工表面上有凹陷缺陷，而優(yōu)化后的峰谷與峰頂數(shù)量想當，說明表面輪廓均勻，加工缺陷減少，表面質(zhì)量更好。圖6為優(yōu)化前后試件表面三維形貌圖，可以得出優(yōu)化前的表面形貌有明顯的溝壑，優(yōu)化后溝壑減少，在表面粗糙度輪廓線上可以體現(xiàn)出，峰值數(shù)量以及峰值減少[18-19]。綜上分析可得出GA-Pareto優(yōu)化是可行的，對TiB2/Al復合材料實際加工起到指導作用。

圖5 優(yōu)化前后的表面粗糙度輪廓Fig.5 Surface roughness profile before and after optimization

圖6 優(yōu)化前后的試件表面三維形貌Fig.6 Three-dimensional shape of work-piece surface before and after optimization

4 結(jié)論

（1）從車削參數(shù)的單因素試驗得出，隨著車削速度的增大，表面粗糙度值下降；隨進給速度的增大，表面粗糙度值增大;車削深度對表面粗糙度影響不明顯。選取表面粗糙度值在0.6μm以下的車削參數(shù)，為優(yōu)化做準備。

（2）以表面粗糙度和材料切除率為目標函數(shù)，基于GA-Pareto算法對車削參數(shù)進行多目標參數(shù)優(yōu)化，得到在車削速度v=71m/min，進給速度f=44mm/min，車削深度ap=0.8mm/min時可以獲得理想的車削效果。

（3）優(yōu)化后的表面工件質(zhì)量得到改善，從微觀形貌和表面粗糙度輪廓曲線可以得出，工件表面溝壑數(shù)量減少，溝壑深度降低。

[1]PARK B G， CROSKY A G， HELLIER A K.Fracture toughness of microsphere Al2O3-Al particulate metal matrix composites[J].Composites Part B： Engineering， 2008， 39(7)： 1270-1279.

[2]CHEN S H， WANG T C.Size effects in the particle-reinforced metal-matrix composites[J].Acta Mechanica， 2002， 157(1-4)： 113-127.

[3]PANDEY A B， MAJUMDAR B S， MIRACLE D B.Deformation and fracture of a particle-reinforced aluminum alloy composite： Part I：Experiments[J].Metallurgical and Materials Transactions A， 2000， 31(3)：921-936.

[4]EL-GALLAB M， SKLAD M.Machining of Al/SiC particulate metal matrix composites part III： comprehensive tool wear models[J].Journal of Materials Processing Technology， 2000， 101(1)： 10-20.

[5]WANG M， CHEN D， CHEN Z， et al.Mechanical properties of in-situ TiB2/A356 composites[J].Materials Science and Engineering： A，2014， 590： 246-254.

[6]CHEN D， WANG M L， ZHANG Y J， et al.Microstructure and mechanical properties of TiB2/2219 composites[J].Materials Research Innovations， 2014， 18(S4)：514-518.

[7]XIONG Y F， WANG W H， JIANG R S， et al.Tool wear mechanisms for milling in situ TiB2 particle-reinforced Al matrix composites[J].International Journal of Advanced Manufacturing Technology， 2016：1-10.

[8]葛英飛，徐九華，楊輝.SiCp/Al復合材料的超精密車削試驗[J].光學精密工程，2009，17(7)：1621-1629.

GE Yingfei， XU Jiuhua， YANG Hui.Experiments of ultra-precision turning of SiCp/Al composites[J].Optics and Precision Engineering，2009，17(7)： 1621-1629.

[9]EL-GALLAB M， SKLAD M.Machining of Al/SiC particulate metal matrix composites： Part II： Workpiece surface integrity[J].Journal of Materials Processing Technology， 1998， 83(1-3)： 277-285.

[10]PRAMANIK A，ZHANG L C，ARSECULARATNE J A.Machining of metal matrix composites： Effect of ceramic particles on residual stress， surface roughness and chip formation[J].International Journal of Machine Tools and Manufacture， 2008， 48： 1613-1625.

[11]ANDREWES C J E， FENG H Y， LAU W M.Machining of an aluminum/SiC composite using diamond inserts[J].Journal of Materials Processing Technology， 2000， 102(1)： 25-29.

[12]陳日曜，饒國定，劉培德，等.金屬切削原理[M].北京：機械工業(yè)出版社，2002.

CHEN Riyao， RAO Guoding， LIU Peide， et al.Metal cutting priciple[M].Beijing： China Machine Press， 2002.

[13]JAYARAMAN P， KUMAR L M.Multi-response optimization of machining parameters of turning AA6063 T6 aluminium alloy using grey relational analysis in taguchi method[J].Procedia Engineering， 2014， 97：197-204.

[14]DAVIM J P.Design of optimisation of cutting parameters for turning metal matrix composites based on the orthogonal arrays[J].Journal of Materials Processing Technology， 2003， 132(1)： 340-344.

[15]SARDI?AS R Q，REIS P，DAVIM J P.Multi-objective optimization of cutting parameters for drilling laminate composite materials by using genetic algorithms[J].Composites Science and Technology， 2006，66：3083-3088.

[16]NAYAK S K， PATRO J K， DEWANGAN S， et al.Multiobjective optimization of machining para-meters during dry turning of AISI 304 austenitic stainless steel using grey[J].Procedia Materials Science，2014，6：701-708.

[17]DENKENA B， BOEHNKE D， DEGE J H.Helical milling of CFRP-titanium layer compounds[J].CIRP Journal of Manufacturing Science and Technology， 2008， 1(2)：64-69.

[18]楊振朝， 張定華， 姚倡鋒， 等.TC4鈦合金高速銑削參數(shù)對表面完整性影響研究[J].西北工業(yè)大學學報， 2009， 27(4)： 538 -543.

YANG Zhenchao， ZHANG Dinghua， YAO Changfeng， et al.Effects of high-speed milling parameters on surface integrity of TC4 titanium alloy[J].Journal of Northwestern Polytechnical University， 2009， 27(4)： 538-543.

[19]史興寬， 陳明， 張樹全， 等.鈦合金TC4高速銑削表面完整性研究[J].航空制造技術(shù)， 2001(1)： 30-31， 35.

SHI Xingkuan， CHEN Ming， ZHANG Shuquan， et al.Study on high speed milling surface integrity of Ti alloy TC4[J].Aeronautical Manufacturing Technology， 2001(1)：30-31， 35.