研究混合优化方法,以尽量减少Mg/TiC金属矩阵复合材料的加工表面粗性,使用火花EDM
Dharmeswar Dash1, Devarasiddappa Devarajaiah2, Santosh Kumar Dash1
1Department of Mechanical Engineering, GKCIET, Malda, West Bengal, 732141, India.
Scientific reports
|September 29, 2025
概括
这项研究优化了使用人工神经网络 (ANN) 和Jaya算法对Mg-TiC复合材料的电放电加工 (EDM). 混合方法实现了2.89μm的最小表面粗度 (SR),提高了加工精度.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 表面工程是什么?表面工程是什么?
背景情况:
- 电放电加工 (EDM) 是一种非传统的通过电火花去除材料的工艺.
- 像Mg-TiC这样的先进复合材料的加工在实现所需的表面完成方面提出了独特的挑战.
- 优化EDM参数对于控制表面粗度 (SR) 和材料完整性至关重要.
研究的目的:
- 在伺服控制的火花EDM过程中模拟和优化Mg-TiC复合材料的表面粗度 (SR).
- 调查过程参数对SR的影响.
- 开发一种混合优化方法,以提高加工性能.
主要方法:
- 利用人工神经网络 (ANN) 基于过程参数来建模表面粗度 (SR):Mg/TiC复合材料 (WP),脉冲时间 (Ton),脉冲关闭时间 (Toff) 和输入电流 (I).
- 开发了一种混合优化方法,将ANN与Jaya算法集成在一起.
- 使用扫描电子显微镜 (SEM) 分析了表面形态.
主要成果:
- 该ANN模型在预测表面粗度 (SR) 中达到93.05%的准确性.
- 集成的ANN-Jaya算法优化了EDM参数,以达到2.89微米的最低SR.
- 时间脉冲和输入电流的增加与表面粗度的增加有关.
结论:
- 混合ANN-Jaya优化方法有效地将Mg-TiC复合材料的EDM中的表面粗度降至最低.
- 开发的模型为流程优化提供了准确的预测和一致的结果.
- 这项研究为先进复合材料加工中改善表面质量的途径提供了途径.


