張 豐，伍占文，肖 璐，朱兆龍，郭曉磊*

(1.南京林業(yè)大學(xué) 材料科學(xué)與工程學(xué)院，江蘇 南京 210037；2.南京林業(yè)大學(xué) 家居與工業(yè)設(shè)計(jì)學(xué)院，江蘇 南京 210037)

木塑復(fù)合材料(wood-plastic composite,WPC)是一種主要由木質(zhì)纖維和熱塑性塑料組成的新型材料[1]。由于結(jié)合了木質(zhì)纖維和塑料的特點(diǎn)，WPC具有優(yōu)良的綜合性能，如高強(qiáng)度、高抗沖擊性，良好的尺寸穩(wěn)定性和良好的耐磨性，因此被廣泛應(yīng)用于鑲板材料、家具材料、室內(nèi)裝飾材料、汽車內(nèi)飾等領(lǐng)域[2-4]。不同的應(yīng)用場(chǎng)合對(duì)WPC的尺寸、形狀和粗糙度提出了不同的要求，因此WPC的二次加工(鋸切、銑削、鉆孔、磨削等[5-7])對(duì)WPC產(chǎn)品的加工質(zhì)量至關(guān)重要[8-10]。

銑削加工是WPC二次加工中非常重要的一種加工方法。在實(shí)際銑削加工中，加工質(zhì)量差、生產(chǎn)效率低是銑削加工中常見的問(wèn)題，主要原因是切削參數(shù)的改變會(huì)引起切削力和切削溫度的改變，進(jìn)而影響刀具的使用壽命和加工表面粗糙度[11-13]。因此，研究WPC銑削過(guò)程中的切削力、切削溫度和加工表面質(zhì)量對(duì)提高刀具壽命、提高加工效率和產(chǎn)品表面質(zhì)量具有重要意義[14-15]。之前關(guān)于WPC銑削加工的研究都是采用試驗(yàn)法，這種方法雖然能準(zhǔn)確獲得切削加工表面質(zhì)量，但是試驗(yàn)研究費(fèi)時(shí)費(fèi)力。若能建立一個(gè)預(yù)測(cè)模型，通過(guò)該模型可以根據(jù)輸入的切削參數(shù)大致預(yù)測(cè)出切削加工表面的粗糙度，不僅節(jié)省了大量的試驗(yàn)時(shí)間，又節(jié)省了大量的人力、物力[16-18]。

鑒于此，本研究采用硬質(zhì)合金單齒柄銑刀對(duì)WPC進(jìn)行銑削加工試驗(yàn)，研究了切削參數(shù)(主軸轉(zhuǎn)速、進(jìn)給速度、切削深度)對(duì)WPC切削力、切削溫度和切削加工表面粗糙度的影響，并利用BP神經(jīng)網(wǎng)絡(luò)建立WPC銑削加工表面粗糙度的預(yù)測(cè)模型。以期為WPC銑削加工提供理論和實(shí)踐指導(dǎo)。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)采用的木塑復(fù)合材料工件尺寸為140 mm×80 mm×20 mm，由國(guó)風(fēng)木塑科技有限公司(中國(guó)安徽)提供，由70%的木質(zhì)纖維和20%的聚乙烯以及一些添加劑制得，其密度是1.62 g·cm-3，木粉粒徑為100目，彈性模量為4.27×103MPa，抗彎強(qiáng)度為4.69 MPa。試驗(yàn)采用的刀具是藍(lán)幟(南京)工具有限公司制造的硬質(zhì)合金單齒柄銑刀，刀具前角為2°，楔角為45°，硬度為59HRA。

1.2 試驗(yàn)方法

由圖1可知，木塑復(fù)合材料的銑削試驗(yàn)是在數(shù)控加工中心(MGK01，南興機(jī)械有限公司，中國(guó)廣州)上進(jìn)行的，其最大進(jìn)給速度為50 m·min-1，最大速度為24 000 r·min-1，功率在干燥條件下為8.1 kW。試驗(yàn)的切削力采用Kistler 9257B壓電晶體測(cè)力儀，Kistler 5017B電荷放大器，以及相應(yīng)的數(shù)據(jù)采集與處理系統(tǒng)進(jìn)行測(cè)量，再用Kistler測(cè)力儀的配套軟件Dynoware對(duì)測(cè)得的力信號(hào)進(jìn)行分析和處理。試驗(yàn)的切削溫度采用紅外熱成像儀(Thermo Vision A20-M,FLIR Systems Inc.,USA)測(cè)量，使用軟件Therma CAM Researcher Professional 2.10來(lái)分析拍攝的圖片信息。采用東京精密生產(chǎn)的探針式SURFCOM NEX 001 SD-12表面粗糙度儀對(duì)WPC已加工表面的粗糙度進(jìn)行測(cè)量。試驗(yàn)設(shè)計(jì)見表1。

表1 試驗(yàn)條件

2 結(jié)果與分析

2.1 主軸轉(zhuǎn)速對(duì)WPC切削力、切削溫度和加工表面粗糙度的影響

圖2為主軸轉(zhuǎn)速與WPC切削力、切削溫度和加工表面粗糙度關(guān)系圖，從圖2可以看出，在進(jìn)給速度和切削深度固定時(shí)，切削力隨著主軸轉(zhuǎn)速的增大而呈現(xiàn)出遞減的趨勢(shì)。這是因?yàn)樵谶M(jìn)給速度和切削深度固定時(shí)，隨著主軸轉(zhuǎn)速的增大，每次切削的切削厚度減小，切屑對(duì)前刀面摩擦以及工件對(duì)后刀面的摩擦次數(shù)增加。因此刀具要克服的WPC內(nèi)部彈塑性變形產(chǎn)生的阻力減小，要克服的摩擦力增大。但是因?yàn)閃PC內(nèi)部彈塑性變形產(chǎn)生的阻力是WPC銑削力的主要來(lái)源，所以主軸轉(zhuǎn)速增大使得減小的阻力大于增加的摩擦力，最終表現(xiàn)為切削力的減小。因此，在進(jìn)給速度和切削深度固定時(shí)，切削力隨著主軸轉(zhuǎn)速的增大而減小。

在進(jìn)給速度和切削深度固定時(shí)，切削溫度隨著主軸轉(zhuǎn)速的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)樵谶M(jìn)給速度和切削深度固定時(shí)，隨著主軸轉(zhuǎn)速的提高，前刀面與切屑之間的摩擦頻率以及后刀面與工件之間的摩擦頻率都增加。雖然有些熱量會(huì)被切屑和刀具帶走，但增加的摩擦熱要比剪切熱源減少的熱量大很多。因此切削溫度隨著主軸轉(zhuǎn)速的增大而增大。

在進(jìn)給速度和切削深度固定時(shí)，隨著主軸轉(zhuǎn)速的增大，每齒進(jìn)給量Uz減小，所以運(yùn)動(dòng)不平度降低。主軸轉(zhuǎn)速增大還會(huì)降低切削力和切削溫度，這使得振動(dòng)性不平度減小。因此，在進(jìn)給速度和切削深度固定時(shí)，加工表面粗糙度隨著主軸轉(zhuǎn)速的增大而減小。

2.2 進(jìn)給速度對(duì)WPC切削力、切削溫度和加工表面粗糙度的影響

圖3為進(jìn)給速度與WPC切削力、切削溫度和加工表面粗糙度關(guān)系，在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，切削力隨著進(jìn)給速度的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)樵谥鬏S轉(zhuǎn)速和切削深度固定不變時(shí)，隨著進(jìn)給速度的增大，每次切削的切削厚度增大，這不僅增加了WPC內(nèi)部的彈塑性變形，刀具受到切屑的壓力也會(huì)增大。因此刀具要克服的WPC內(nèi)部彈塑性變形產(chǎn)生的阻力增大，且刀具要克服的摩擦力增大，因此在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，切削力隨著進(jìn)給速度的增大而增大。

從圖3中可以看出，在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，切削溫度隨著進(jìn)給速度的增大而呈現(xiàn)出遞減的趨勢(shì)。這是因?yàn)樵谥鬏S轉(zhuǎn)速和切削深度固定不變時(shí)，進(jìn)給速度增大后，完成一個(gè)完整的切割過(guò)程的時(shí)間就會(huì)減少。而刀具的導(dǎo)熱性比工件的導(dǎo)熱性高，切削熱傳遞到刀具內(nèi)部的速度更快。因此，在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，切削溫度隨著進(jìn)給率的增加而減小。

在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，加工表面粗糙度隨著進(jìn)給速度的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)檫M(jìn)給速度增大，每齒進(jìn)給量Uz增大，所以運(yùn)動(dòng)不平度增大。進(jìn)給速度的增大還會(huì)引起切削力的增大和切削溫度的減小，這使得振動(dòng)性不平度增大。因此，在主軸轉(zhuǎn)速和切削深度固定不變時(shí)，加工表面粗糙度隨著進(jìn)給速度的增大而增大。

2.3 切削深度對(duì)WPC切削力、切削溫度和加工表面粗糙度的影響

圖4為切削深度與WPC切削力、切削溫度和加工表面粗糙度關(guān)系圖，可以看出，在主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，切削力隨著切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)樵谥鬏S轉(zhuǎn)速和進(jìn)給速度固定時(shí)，隨著切削深度的增大，每次切削的切屑平均厚度增大，WPC內(nèi)部彈塑性變形增加，切屑對(duì)刀具的摩擦力增加。因此刀具所要克服WPC內(nèi)部彈塑性變形產(chǎn)生的阻力增加，且刀具要克服的摩擦力增大。因此在主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，切削力隨著進(jìn)給速度的增大而增大。

從圖4中可以看出，在主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，切削溫度隨著切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)橹鬏S轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，切削深度增加使得切削工件材料變形產(chǎn)生的熱量增加，同時(shí)刀具和工件材料的摩擦?xí)r間變長(zhǎng)，產(chǎn)生的熱量也更多。因此，主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，切削溫度隨著切削深度的增大而增大。

在主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，加工表面粗糙度隨著切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)。這是因?yàn)榍邢魃疃仍龃蠛螅邢髁颓邢鳒囟榷荚龃?，振?dòng)性不平度增大。此外，切削溫度升高以后，切削區(qū)域的WPC會(huì)軟化，有少部分軟化的WPC會(huì)被剝離，這也導(dǎo)致加工表面粗糙度增大。因此在主軸轉(zhuǎn)速和進(jìn)給速度固定不變時(shí)，加工表面粗糙度隨著切削深度的增大而增大。

3 加工表面粗糙度預(yù)測(cè)模型的研究

木塑復(fù)合材料的銑削過(guò)程可以被看作是一個(gè)非常復(fù)雜的非線性系統(tǒng)。由于這個(gè)系統(tǒng)的狀態(tài)方程非常復(fù)雜，因此很難用數(shù)學(xué)方法準(zhǔn)確建立模型。BP神經(jīng)網(wǎng)絡(luò)通過(guò)選擇適當(dāng)?shù)臋?quán)重和結(jié)構(gòu)，可以接近任意的非線性連續(xù)函數(shù)，因此可以建立一個(gè)BP神經(jīng)網(wǎng)絡(luò)來(lái)表達(dá)WPC切削的非線性系統(tǒng)[19-20]。

3.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

本研究使用的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)見圖5，可以得知BP神經(jīng)網(wǎng)絡(luò)主要由3層組成：輸入層、1個(gè)隱藏層和輸出層。輸入層包含3個(gè)神經(jīng)單元(主軸轉(zhuǎn)速n、進(jìn)給速度U、切削深度h)，而輸出層只有1個(gè)神經(jīng)單元(表面粗糙度Ra)。隱藏層單元的數(shù)量根據(jù)式(1)確定。

(1)

式中：m是隱藏層單元的數(shù)量，n是輸入層單元的數(shù)量，l是輸出層單元的數(shù)量，α是一個(gè)介于1和10之間的參數(shù)。在本研究中，α的取值為4，因此，隱藏層包含6個(gè)神經(jīng)單元。

激活函數(shù)在輸入層和輸出層之間提供了一個(gè)曲線匹配，Log-Sigmoid傳遞函數(shù)通常被用作BP神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，因?yàn)樗且粋€(gè)可分的、連續(xù)的和非線性的函數(shù)[21]。這個(gè)函數(shù)對(duì)于從輸入層進(jìn)入的每一個(gè)值都會(huì)產(chǎn)生一個(gè)在0和1之間的值。本研究中BP神經(jīng)網(wǎng)絡(luò)采用的Log-Sigmoid傳遞函數(shù)的方程式如下

(2)

式中:x為BP神經(jīng)網(wǎng)絡(luò)隱含層和輸出層的輸入數(shù)據(jù)。

3.2 學(xué)習(xí)算法

在確定了BP神經(jīng)網(wǎng)絡(luò)的層數(shù)和每層的神經(jīng)元數(shù)量之后，還需要確定各層之間的權(quán)重。在這個(gè)研究中，在訓(xùn)練過(guò)程中首先使用隨機(jī)值作為權(quán)重，然后輸入學(xué)習(xí)樣本，得到網(wǎng)絡(luò)的輸出。之后，計(jì)算輸出值與目標(biāo)值之間的誤差，并據(jù)此逐層修改權(quán)重以減少誤差。經(jīng)過(guò)幾次調(diào)整，當(dāng)誤差達(dá)到要求時(shí)，網(wǎng)絡(luò)訓(xùn)練就完成了[19,22]。

3.3 訓(xùn)練和測(cè)試數(shù)據(jù)

訓(xùn)練和測(cè)試數(shù)據(jù)的選擇對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的準(zhǔn)確性有重要影響。在本研究中，通過(guò)試驗(yàn)獲得的64組數(shù)據(jù)被用來(lái)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試數(shù)據(jù)。從這些數(shù)據(jù)中，隨機(jī)選擇54組作為訓(xùn)練數(shù)據(jù)，其余的作為測(cè)試數(shù)據(jù)，可以避免BP神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)狀態(tài)。

BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)具有不同的物理意義和大小。為了避免由于數(shù)據(jù)數(shù)量級(jí)的巨大差異導(dǎo)致網(wǎng)絡(luò)預(yù)測(cè)誤差過(guò)大，輸入值和輸出值都被歸一化處理轉(zhuǎn)化為在0和1之間的數(shù)，數(shù)據(jù)歸一化的函數(shù)如下。

xk=(xk-xmin)/(xmax-xmin)

(3)

式中:xk是預(yù)處理數(shù)據(jù)；xmax和xmin是預(yù)處理數(shù)據(jù)的最大值和最小值，在預(yù)處理數(shù)據(jù)中xmax≠xmin。

3.4 模型的評(píng)價(jià)

為了對(duì)所開發(fā)的預(yù)測(cè)模型進(jìn)行評(píng)價(jià)，計(jì)算了輸出值的R2(方差的絕對(duì)分?jǐn)?shù))。R2的范圍是[0,1]，R2越接近于1，預(yù)測(cè)就越準(zhǔn)確[23-24]。

(4)

式中：Tm,M為表面粗糙度的測(cè)量值；Tp,M為表面粗糙度的預(yù)測(cè)值。

3.5 表面粗糙度的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

在MATLAB上開發(fā)了一個(gè)用于預(yù)測(cè)加工表面粗糙度的計(jì)算機(jī)程序。輸入層的3個(gè)神經(jīng)元分別是主軸轉(zhuǎn)速、進(jìn)給速度和切削深度，輸出層的神經(jīng)元是加工表面粗糙度。在BP神經(jīng)網(wǎng)絡(luò)的程序中，網(wǎng)絡(luò)net.trainparam.goal的目標(biāo)誤差被設(shè)定為0.001。學(xué)習(xí)速度net.trainparam.lr被設(shè)置為0.000 1。迭代次數(shù)net.trainpara.epochs被設(shè)置為1 000。根據(jù)上述設(shè)置對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到達(dá)到預(yù)定的目標(biāo)。

圖6為WPC加工表面粗糙度實(shí)際值和預(yù)測(cè)值的比較，圖7顯示了預(yù)測(cè)的誤差比。從圖6可以得知，預(yù)測(cè)數(shù)據(jù)與測(cè)試數(shù)據(jù)非常接近，R2為0.973 54。從圖7可以看出，最大預(yù)測(cè)誤差小于4.5%。用BP神經(jīng)網(wǎng)絡(luò)通過(guò)LM學(xué)習(xí)算法對(duì)WPC的切割溫度進(jìn)行槽形建模，對(duì)測(cè)試數(shù)據(jù)的R2計(jì)算為0.973 54。根據(jù)這些結(jié)論，建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有較高的準(zhǔn)確性，因此可以用來(lái)預(yù)測(cè)WPC的切削表面粗糙度。

4 結(jié)論

使用硬質(zhì)合金刀具對(duì)木塑復(fù)合材料(WPC)進(jìn)行銑削試驗(yàn)，研究分析了不同切削參數(shù)(主軸轉(zhuǎn)速、進(jìn)給率、切削深度)對(duì)WPC切削力、切削溫度和加工表面粗糙度的影響，并采用BP神經(jīng)網(wǎng)絡(luò)建立WPC加工表面粗糙度的預(yù)測(cè)模型。主要結(jié)論如下。

WPC的切削力隨著主軸轉(zhuǎn)速的增大而呈現(xiàn)出遞減的趨勢(shì)，隨進(jìn)給速度的增大而呈現(xiàn)出遞增的趨勢(shì)，隨切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)。WPC的切削溫度隨著主軸轉(zhuǎn)速的增大而呈現(xiàn)出遞增的趨勢(shì)，隨進(jìn)給速度的增大而呈現(xiàn)出遞減的趨勢(shì)，隨切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)?？梢酝ㄟ^(guò)提高主軸轉(zhuǎn)速，降低切削深度的方法來(lái)降低切削力和切削溫度，進(jìn)而提高刀具的使用壽命。

WPC的加工表面粗糙度隨著主軸轉(zhuǎn)速的增大而呈現(xiàn)出遞減的趨勢(shì)，隨進(jìn)給速度的增大而呈現(xiàn)出遞增的趨勢(shì)，隨切削深度的增大而呈現(xiàn)出遞增的趨勢(shì)。可以通過(guò)提高主軸轉(zhuǎn)速，降低進(jìn)給速度和切削深度的方法來(lái)降低加工表面粗糙度，提高加工質(zhì)量。

對(duì)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能進(jìn)行了評(píng)估，發(fā)現(xiàn)預(yù)測(cè)值與試驗(yàn)數(shù)據(jù)接近。經(jīng)計(jì)算，測(cè)試數(shù)據(jù)的R2為0.978 1。當(dāng)6 000≤n≤12 000、3≤U≤6、04≤h≤1.6時(shí)，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。因此，推薦使用BP神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)WPC的加工表面粗糙度。