張偉，曹同坤，呂壯

青島科技大學(xué)機電工程學(xué)院

1 引言

傳統(tǒng)MQL作用機理是將大量的空氣、氮氣及二氧化碳等壓縮氣體與極微量的切削液混合并將其霧化成微米級的液滴，以此來增加切削液的滲透性，使其快速進入刀—屑接觸界面并形成潤滑油膜，減小刀—工及刀—屑之間的摩擦[1，2]。

為進一步提高切削液的利用率，提高切削液的減磨效果，將霧化噴嘴設(shè)置在前刀面刀—屑接觸區(qū)域。改裝刀具如圖1所示，微細通道連接儲油孔與前刀面，且其在前刀面的出口即為霧化切削液的噴射口[3]。

1.微細通道 2.儲油孔

將圖2所示的微細通道出口中心位置與主切削刃的距離參數(shù)x、與副切削刃的距離參數(shù)y及出口直徑參數(shù)D作為輸入變量，通過Workbench軟件熱結(jié)構(gòu)間接耦合仿真得到最大應(yīng)力應(yīng)變結(jié)果[4]，并將其作為優(yōu)化目標。微細通道出口的x，y，D取值范圍作為約束條件，運用MOGA優(yōu)化算法進行優(yōu)化計算，從而得到最佳的出口位置參數(shù)及直徑尺寸。

圖2 微細通道出口參數(shù)分布

2 優(yōu)化設(shè)計方案

選用YW1型硬質(zhì)合金刀具加工儲油孔與微細通道，并對微細通道出口位置參數(shù)及直徑尺寸參數(shù)進行優(yōu)化設(shè)計，目的是保證微細通道出口噴出的切削液充分發(fā)揮減磨潤滑作用，并盡可能減小前刀面微通道出口對刀尖強度及變形的影響[5]。

優(yōu)化設(shè)計步驟為：

(1)選擇設(shè)計變量。設(shè)計變量是根據(jù)優(yōu)化目標選擇需要優(yōu)化的參數(shù)，最終確定出最優(yōu)參數(shù)。此處選擇霧化切削液噴嘴中心位置與主切削刃的垂直距離x、與副切削刃的垂直距離y以及自身的直徑長度D為設(shè)計變量，用X=[x1，x2，x3，…xn]T表示。

(2)確定約束條件。約束條件限制設(shè)計變量的取值范圍，分為兩類：一是微細通道出口的位置參數(shù)約束條件，由理論刀—屑接觸面積與實際刀具磨損區(qū)域決定；二是微細通道出口的直徑參數(shù)約束條件。約束條件的合集為S={x|gi(x)≤0，i=1，2，3，…，n}，其中g(shù)i(x)為狀態(tài)變量。

理論刀—屑接觸面積由切屑寬度aw、刀屑接觸長度lf與流屑角Ψλ決定，切屑寬度的計算式為[6]

aw=ap/sinκr

式中，ap為切削深度；κr為主偏角。

刀—屑接觸長度的計算式為[7]

式中，Φ為剪切角；β為摩擦角；γo為刀具前角。

流屑角的大小采用Colwell公式[8]做近似計算，為

式中，γε為刀尖圓角半徑；f為進給量。

剪切角與摩擦角的計算式為

式中，F(xiàn)y為垂直于刀具主切削刃且與前刀面平行的力；Fz為垂直于道具前刀面的力。此二者可通過測力儀直接測出。

圖3 理論刀—屑接觸面積

如圖4所示，實際刀—屑接觸面積可由金相顯微鏡觀察并測量得到。

圖4 實際刀—屑接觸面積

(3)設(shè)定優(yōu)化目標。為實現(xiàn)輸入?yún)?shù)的評價，構(gòu)建一個涵蓋全部設(shè)計變量的評價函數(shù)，即以熱結(jié)構(gòu)間接耦合仿真得出的最大Mises應(yīng)力及最大總體變形為優(yōu)化目標，用minF(X)=F(x2，x2，x2，…，xn)表示。

3 改裝刀具結(jié)構(gòu)參數(shù)優(yōu)化

使用SolidWorks軟件對改裝刀具進行參數(shù)化建模，再使用Workbench軟件進行熱結(jié)構(gòu)間接耦合分析，通過模擬刀具擬定穩(wěn)定車削時的受力和受熱情況[9]，得到如圖5和圖6所示的改裝刀具應(yīng)力應(yīng)變云圖。

圖5 改裝刀具刀尖處的應(yīng)力分布

圖6 改裝刀具刀尖處的應(yīng)變分布

基于響應(yīng)曲面對此模型進行優(yōu)化設(shè)計，并對x，y，D三個輸入?yún)?shù)添加約束條件，其取值范圍如表1所示。

表1 參數(shù)變量取值范圍 (mm)

對該優(yōu)化設(shè)計方案添加設(shè)計樣本點，其選取方式直接影響響應(yīng)曲面的精度[10]。在Workbench軟件中，樣本點的生成方法很多，使用OSF(Optimal Space-Filling Design)最優(yōu)填充空間設(shè)計法生成設(shè)計樣本點是拉丁超立方采樣法的進階方法，此方法既保留了拉丁超立方的取樣特征(沒有點與其他點共享設(shè)計空間的行或列)，又可以最大化取樣點之間的距離，實現(xiàn)取樣點在設(shè)計空間中均勻分布。OSF是用最少的點獲得對設(shè)計的最大洞察，避免創(chuàng)建重復(fù)點且節(jié)約了運算空間，獲得最高質(zhì)量的響應(yīng)曲面。OSF生成的樣本點見表2。

表2 樣本點

選擇Genetic Aggregation遺傳聚合算法生成響應(yīng)曲面，其自動選擇、配置和生成適合于每個輸出參數(shù)的響應(yīng)曲面類型。其生成的各變量間的響應(yīng)面如圖7～圖9所示。

(a)最大Mises應(yīng)力 (b)最大總體變形響應(yīng)曲面

(a)最大Mises應(yīng)力 (b)最大總體變形響應(yīng)曲面

(a)最大Mises應(yīng)力 (b)最大總體變形響應(yīng)曲面

為更直觀地表達出x，y，D各輸入?yún)?shù)對最大Mises應(yīng)力和最大變形的影響程度，輸出參數(shù)的敏感度餅狀圖。如圖10所示，設(shè)計變量D在餅狀圖中對應(yīng)D1部分，設(shè)計變量x對應(yīng)D2部分。

圖10 參數(shù)敏感度餅狀圖

由餅狀圖可知，設(shè)計變量D1與D3的變化對最大Mises應(yīng)力與最大總體變形的影響顯著，設(shè)計變量D2對于改裝刀具結(jié)構(gòu)的影響最小。同時微細通道出口與主、副切削刃距離越近，減磨潤滑效果越好[11]。因此，在保證刀具強度和變形的條件下應(yīng)選用設(shè)計變量D2、D3數(shù)值盡可能小的候選點。

將刀具所受最大Mises應(yīng)力與最大總體變形的最小值作為優(yōu)化目標，并將x，y，D作為設(shè)計變量，使用多目標遺傳算法MOGA進行求解，MOGA的屬性設(shè)置如圖11所示。為保證求解的準確性與穩(wěn)定性，將初始樣本數(shù)量設(shè)為10000，為減少迭代次數(shù)縮短計算時長，將每次迭代的樣本點數(shù)目設(shè)為1000，最大允許帕累托百分比設(shè)為80，收斂穩(wěn)定性百分比為1，最大迭代步數(shù)為30，候選點設(shè)為5個。

圖11 MOGA屬性設(shè)置

經(jīng)求解計算，得出如表3所示的5個候選點。

表3 優(yōu)化結(jié)果

由于只有Candidate Point 5的優(yōu)化模型數(shù)據(jù)與驗證點數(shù)據(jù)最為相近，因此將其作為最優(yōu)設(shè)計點，再以敏感度分析結(jié)果為依據(jù)對候選點進行修正，以便得到實際加工數(shù)據(jù)，修正結(jié)果如表4所示。

表4 輸入?yún)?shù)對比 (mm)

4 改裝刀具結(jié)構(gòu)參數(shù)優(yōu)化結(jié)果分析

對原始參數(shù)與優(yōu)化參數(shù)所得輸出結(jié)果進行匯總(見表5)。刀具車削加工時主切削刃處磨損最為嚴重[12]，且傳統(tǒng)MQL供液方式使切削液很難到達主切削刃附近，而新型切削液供給方式的最大優(yōu)勢在于霧化后的切削能液最大限度地傳輸?shù)街髑邢魅懈浇?。因此，微細通道出口?yīng)盡可能靠近主、副切削刃。

表5 輸出參數(shù)分析

由表2和表4可知，為保證刀具的強度且避免變形，可適當(dāng)減小微細通道出口直徑，以縮短出口中心位置與主、副切削刃的距離，從而提高使用改裝刀具時的切削液滲透相率，并提高切削加工的減磨和潤滑效果。

5 結(jié)語

對改裝刀具進行參數(shù)化建模，并利用有限元軟件對模型進行熱結(jié)構(gòu)間接耦合分析，得到改裝刀具在穩(wěn)定車削條件下的應(yīng)力應(yīng)變云圖；采用多目標遺傳算法對輸入?yún)?shù)進行求解計算，得到一組與參考點輸出參數(shù)相近的候選點。

此類改裝刀具的新型切削液供給方式為后續(xù)研究提供了試驗基礎(chǔ)，減少了刀具的改裝試驗費用，節(jié)省了試驗時間與成本，提高了改裝刀具設(shè)計的可靠性。