通过深度冷处理电极和ANN建模方法提高EDM加工精度.
Kashif Ishfaq1, Muhammad Sana1, Muhammad Umair Waseem1
1Department of Industrial and Manufacturing Engineering, University of Engineering and Technology, Lahore 54890, Pakistan.
Micromachines
|August 26, 2023
概括
深度冷处理的电极提高了Inconel 617在电放电加工中的尺寸精度. 修改过电介质和人工神经网络进一步提高了精度,减少了超切,优化了加工过程.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造过程 制造过程 制造过程
- 表面工程是什么?表面工程是什么?
背景情况:
- 合金617 (IN617) 是一种具有挑战性的材料,由于其关键的应用需要高精度.
- 电放电加工 (EDM) 是IN617的常用方法,但存在影响尺寸精度的过度/不足问题.
- 在IN617加工中实现紧密的公差需要解决EDM固有的局限性.
研究的目的:
- 为了研究深度冷处理 (DCT) 铜 (Cu) 和黄铜电极在改善IN617.7的EDM过程中的尺寸精度时的有效性.
- 评估修改过电流体对加工性能的影响,特别是超切割 (OC).
- 使用人工神经网络 (ANN) 建模OC的复杂现象,以实现预测准确性.
主要方法:
- 采用完整的因数设计,在IN617上制造出300微米深的印记.
- 使用深度冷处理 (DCT) 和未处理 (NT) 铜和黄铜电极.
- 测试了修改过电介质,包括煤油-Span-20和煤油-Tween-80.
- 人工神经网络 (ANN) 模型被开发用于预测超标.
主要成果:
- 与非DCT电极相比,DCT电极在各种修改过的介电材料中平均提高了13.5%的尺寸精度.
- 与DCT电极的平均性能相比,DCT铜电极在减少超切 (OC) 方面显示了29.7%的整体改进.
- 对于未经处理的电极,配有-Span-20电介质的铜产生的OC比配有-Tween-80.的OC少33.3%.
- 一个ANN模型准确地预测了OC的非线性和复杂现象.
结论:
- 电极的深度冷处理显著提高了Inconel 617在EDM中的尺寸精度.
- 修改过电介质,特别是煤油-Span-20,可以进一步减少超切,特别是使用未经处理的铜电极.
- 人工神经网络为建模和预测超切提供了一种可靠的方法,减少了对广泛实验的需求.
更多相关视频
11:03Nanoscale Characterization of Liquid-Solid Interfaces by Coupling Cryo-Focused Ion Beam Milling with Scanning Electron Microscopy and Spectroscopy
Published on: July 14, 2022
3.5K
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
8.9K
