EA4T車軸車削工藝參數(shù)與表面粗糙度關(guān)系研究*

李世濤 于 鑫 孫 杰 張世欣 張占嶺

(①南車青島四方機車車輛股份有限公司國家工程技術(shù)研究中心，山東 青島266111;②山東大學機械工程學院高效潔凈機械制造教育部重點實驗室，山東濟南250061)

EA4T車軸廣泛使用于國外動車及大功率機車中，也是歐洲標準(EN13261)規(guī)定的高速客車用車軸。在車軸制造過程中，采用不同的加工方式和工藝參數(shù)會使車軸表面具有不同的表面粗糙度，而車軸表面粗糙度的高低，直接影響到車軸的耐磨性、耐腐蝕性、疲勞強度及配合質(zhì)量［1-2］。

目前，國內(nèi)外學者主要對EA4T車軸的熱處理工藝、疲勞裂紋擴展、EA4T鋼的熱變形行為［3-7］等方面進行了研究，而對于EA4T車軸切削加工方面的文獻較少;在表面粗糙度方面，國內(nèi)外許多學者主要針對不同材料，不同加工方式，研究了表面粗糙度的影響因素及預測方法，并進行了工藝參數(shù)的優(yōu)化［8-9］。但是，在很多關(guān)于車削加工表面粗糙度研究中，都運用理論公式進行表面粗糙度預測，由于實際加工中受振動等因素影響，預測值與理論值往往相差較大。為此，本文通過試驗研究及回歸分析方法建立EA4T車軸車削工藝參數(shù)與表面粗糙度關(guān)系模型，并修正理論公式，分析影響表面粗糙度的主次因素，提高EA4T車軸車削加工質(zhì)量。

1 車削表面粗糙度試驗研究

1.1 試驗過程

選用肯納及廈門金鷺兩種可轉(zhuǎn)位機夾刀片(型號分別為DCMT11T308FP-KCP05與DCMG110404-GM GP1225，兩種刀片主要在刀尖圓弧半徑方面存在差異，分別為0.8 mm與0.4 mm)在大連機床廠生產(chǎn)的CKA6136數(shù)控車床上加工EA4T車軸試件，試驗完成后采用TR200手持粗糙度儀測試加工表面粗糙度值。

設(shè)計三因素四水平正交試驗，選用L16(43)正交表，三因素分別為切削速度vc(m/min)、進給速度fn(mm/r)與切削深度ap(mm)，因素水平設(shè)置如表1所示，工藝參數(shù)及表面粗糙度測試結(jié)果如表2所示。

表1 車削試驗因素水平表

表2 工藝參數(shù)及測試結(jié)果表

1.2 試驗結(jié)果直觀分析

直觀分析，又稱極差分析，基本原理是先計算同一因素下同一水平所對應(yīng)指標的算術(shù)平均值，然后求得同一因素下不同水平算數(shù)平均值的最大最小值之差，即極差，最后比較不同因素極差大小判斷影響因素的主次。

對表2表面粗糙度測試數(shù)據(jù)進行直觀分析，分析結(jié)果如表3所示。

從表3可以看出，極差R1值R1B＞R1A＞R1C，說明三因素對肯納刀具加工表面粗糙度影響大小為進給速度＞切削速度＞切削深度;極差R2值R2B＞R2C＞R2A，說明三因素對廈門金鷺刀具加工表面粗糙度影響大小為進給速度＞切削深度＞切削速度。由于與進給速度對應(yīng)極差值相比，切削深度與切削速度對應(yīng)極差值相對較小，因此，影響EA4T車軸車削加工表面粗糙度的主要因素為進給速度。

表3 表面粗糙度直觀分析結(jié)果表

2 表面粗糙度預測模型建立

2.1 基于理論公式的表面粗糙度預測模型

在車削加工過程中，刀具的切削刃相對于工件總是以螺旋線軌跡運動方式進行切削，形成已加工表面。在不考慮振動等因素影響的條件下，刀具刀尖在工件表面形成的重疊痕跡如圖1所示。

從圖1可以看出，已加工表面上的金屬殘留面積的高度Rmax直接影響表面粗糙度，增大刀尖圓弧半徑可以減小金屬殘留面積，從而減小表面粗糙度值，其理論值可以根據(jù)刀尖圓弧半徑和進給量計算得出。A.M.A.Al-Ahmari［10］提到大多數(shù)研究者采用的表面粗糙度理論公式為:

式中:fn為進給速度;rε為刀具刀尖圓弧半徑。

2.2 基于正交試驗的表面粗糙度預測模型

在金屬切削加工中，影響加工表面粗糙度的切削參數(shù)主要為:切削速度(或轉(zhuǎn)速)、進給速度與切削深度。在機床特性、刀具結(jié)構(gòu)與工件材料確定的條件下，采用回歸分析法建立切削工藝參數(shù)與表面粗糙度之間的關(guān)系，假定有:

式中:K為與機床特性、刀具結(jié)構(gòu)和工件材料相關(guān)的系數(shù);vc為切削速度;fn為進給速度;ap為切削深度;x、y、z為待定指數(shù)。將式(2)兩邊取對數(shù)

令Y=lg Ra，X0=lg K，X1=lg vc，X2=lg fn，X3=lg ap，則

通過上述變換就將非線性假定方程轉(zhuǎn)化為多元線性方程，因此可以進行多元線性回歸分析。考慮試驗誤差ε，由正交試驗可以建立式(5)多元線性回歸方程:

其中，

計算可得

2.3 表面粗糙度預測模型系數(shù)擬合

根據(jù)前述理論與式(2)～(6)可以確定正交試驗表面粗糙度預測模型，得到矩陣X、Y分別為

根據(jù)式(6)求出x值為

得到回歸方程分別為

預測模型為

2.4 方程及回歸系數(shù)顯著性檢驗

由于所建立表面粗糙度預測模型只是一種假定，因此為了進一步判斷方程預測程度的好壞，有必要對其進行顯著性檢驗，為了進行統(tǒng)計檢驗，把總的偏差平方和ST分解為回歸平方和SA和剩余平方和SE［11］，則

采用F檢驗，假設(shè):x、y、z為0，則

其中:n為試驗組數(shù)，等于16;p為變量個數(shù)，等于3。

當檢驗水平為0.01時，查F分布表知F(3，12)=5.95。根據(jù)式(14)求出回歸方程對應(yīng)F值分別為42.617、34.347，均大于5.95，可見回歸預測模型是高顯著度的。

為了判斷每個自變量對因變量的影響大小，即工藝參數(shù)中每個因素對表面粗糙度影響程度的高低，需要進行回歸系數(shù)的顯著性檢驗。

假設(shè)X0=0，采用統(tǒng)計量計算方法，有

其中:Cii為矩陣(XTX)-1中對角線上第i個元素，i=0、1、2、3時，bi分別為X0、x、y、z。

根據(jù)公式(15)求出回歸系數(shù)的F值，如表4所示。

表4 回歸系數(shù)顯著性檢驗表

由表4可以看出，進給速度對肯納刀具及廈門金鷺刀具加工表面粗糙度具有顯著影響，而切削速度與切削深度影響不顯著，因此，影響EA4T車軸車削加工表面粗糙度的主要因素為進給速度，這與直觀分析結(jié)論是相同的。

3 表面粗糙度預測模型分析

根據(jù)式(1)、式(9)、式(10)，分別得到基于理論公式的表面粗糙度值與基于正交試驗的表面粗糙度值，并與實際測試值進行比較。以試驗序號為橫坐標，表面粗糙度測試值與預測值為縱坐標，作出相應(yīng)對比柱形圖，如圖2、圖3所示。

從圖2、圖3可以看出，肯納刀具較廈門金鷺刀具加工表面粗糙度值普遍小，主要是由于其刀尖圓弧半徑大。因此，適當選用刀尖圓弧半徑大的刀具有利于提高加工表面質(zhì)量;在第4、8、12、16組工藝參數(shù)下實際值與預測值差別相對較大，對比表2可知，進給速度相對較小時，預測準確度較高;經(jīng)計算，肯納刀具與廈門金鷺刀具回歸模型平均預測相對誤差分別為23.44%、25.83%，均小于理論公式計算值平均相對誤差39.75%、48%，因此，正交試驗回歸分析預測模型預測效果較理論公式計算值好。

在EA4T車軸車削加工中，影響加工表面粗糙度的主要因素為進給速度，而刀具刀尖圓弧半徑也是影響表面粗糙度的重要因素。因此，結(jié)合兩種刀具預測模型，去掉式(9)、式(10)中對表面粗糙度影響不大的切削速度vc與切削深度ap，并結(jié)合刀具圓弧半徑，簡化得出修正公式，使之較好適用于此條件下的車削加工。

修正公式為:

為驗證修正公式，采用株洲可轉(zhuǎn)位刀具DNMG110408-DF(rε=0.8 mm)重復進行了試驗，將預測值與測試值進行比較，如圖4所示。經(jīng)計算得，預測相對誤差為26.87%。

4 結(jié)語

(1)EA4T車軸車削正交試驗研究發(fā)現(xiàn)，車削工藝參數(shù)對加工表面粗糙度有重要影響，通過對試驗結(jié)果的直觀分析與回歸系數(shù)顯著性檢驗，發(fā)現(xiàn)進給速度對表面粗糙度影響較顯著。

(2)采用正交試驗及多元線性回歸分析法建立了車削工藝參數(shù)與加工表面粗糙度預測模型，并修正了理論表面粗糙度預測公式，提高了預測精度。

［1］賀本濤.機械加工表面質(zhì)量及影響因素［J］.高科技與產(chǎn)業(yè)化，2008(8):101.

［2］陳選政.機械加工表面質(zhì)量的影響因素及其控制措施［J］.科技創(chuàng)新與應(yīng)用，2012(10):11-12.

［3］劉軍輝.EA4T車軸熱處理工藝研究［J］.機械管理開發(fā)，2012(4):57-59.

［4］張昌裕，雷旻.EA4T鋼消除帶狀組織和細化晶粒的新工藝探索［J］.熱加工工藝，2013，42(8):182-183.

［5］Luke M，Varfolomeev I，Lütkepohl K，et al.Fatigue crack growth in railway axles:Assessment concept and validation tests［J］.Engineering Fracture Mechanics，2011，78(5):714-730.

［6］Varfolomeev I，Luke M，Burdack M.Effect of specimen geometry on fatigue crack growth rates for the railway axle material EA4T［J］.Engineering Fracture Mechanics，2011，78(5):742-753.

［7］徐剛，李士琦，王樂，等.高鐵用EA4T車軸鋼熱變形行為及變形抗力模型的試驗研究［J］.特殊鋼，2013，34(3):60-63.

［8］Philip Selvaraj D，Chandramohan P，Mohanraj M.Optimization of surface roughness，cutting force and tool wear of nitrogen alloyed duplex stainless steel in a dry turning process using Taguchi method［J］.Measurement，2014，49:205-215.

［9］Aminollah Mohammadi，Alireza Fadaei Tehrani，Amir Abdullah.Investigation on the effects of ultrasonic vibration on material removal rate and surface roughness in wire electrical discharge turning［J］.The International Journal of Advanced Manufacturing Technology，2014，70:1235-1246.

［10］Al-Ahmari，A M A.Predictive machinability models for a selected hard material in turning operations［J］.Journal of Materials Processing Technology，2007，190(1-3):305-311.

［11］王萬中.試驗的設(shè)計與分析［M］.北京:高等教育出版社，2004.