应用机械工程学报

抽象的

使用传统和 Wiper 几何 CBN 刀片对不同硬度的 AISI D2 钢进行硬车削时，根据刀具振动预测表面粗糙度

Sarnobat SS 和 Raval HK

加工表面的质量至关重要，因为它关系到部件的使用功能。加工部件的使用功能，如摩擦性能、部件的疲劳寿命等，在很大程度上取决于表面轮廓特性和加工后产生的表面粗糙度。然而，表面质量取决于众多工艺参数的复杂性。金属切削的力学必然会导致工艺的动态不稳定性，从而导致切削刀具振动。先前的研究表明，切削刀具振动与表面粗糙度之间存在关联。在本研究中，将切向和轴向的切削刀具振动与输入参数（切削速度、进给率、切削深度、工件材料硬度和刀具边缘几何形状）相结合，使用回归分析和人工神经网络方法从实验获得的数据中开发表面粗糙度预测模型。对回归模型和神经网络模型的结果进行了比较。两个模型的实验值和预测值之间有很好的一致性，但神经网络方法比回归分析好得多。此外还要注意的是，表面质量明显受到刀具边缘几何形状和进给速度的影响。