前混合磨料水射流切割參數(shù)對表面粗糙度的影響

花煜昌,劉力紅,杜鵬

(安徽理工大學機械工程學院,安徽淮南 232001)

0 前言

鋼材是應用較為廣泛的一種金屬材料，其優(yōu)質(zhì)的力學性能和結(jié)構(gòu)構(gòu)造使其在各領域充分嶄露頭角。鋼的表面質(zhì)量是衡量鋼材優(yōu)劣的一個標準，表面粗糙度是確定表面質(zhì)量的一個基本因素。在加工鋼的過程中，需要合理地控制加工方法、工藝特性和加工參數(shù)等影響因素。磨料水射流切割是一種非常有用的非常規(guī)冷態(tài)切割技術；它是一種非接觸式加工方式，由于磨料粒子的引入，水射流的工作能力得到了極大的提升。根據(jù)磨料的引入方式，磨料水射流分為前混合磨料水射流和后混合磨料水射流。

研究人員對后混合磨料水射流切割鋼材表面粗糙度的特點和機制進行了大量的研究，已有研究表明鋼表面粗糙度主要受切割參數(shù)的影響。隨著壓力供給設備提供的壓力的增加，后混合磨料的切割能力變得越來越強,這是由于切割壓力使得磨料粒子獲得了較高的速度,攜帶較大動能的磨料粒子射向鋼材，鋼材在高頻率高能量的沖擊下會發(fā)生斷裂。QIANG等研究了后混合磨料水射流加工不銹鋼的切割速度和能量利用率，實驗結(jié)果表明:隨著切割壓力的提升，射流速度呈線性增加，并且磨料粒子的尺寸對射流速度和能量利用率沒有顯著的影響。由于在切割的過程中，噴嘴需要通過移動來切割材料，因此BARABAS和DEACONESCU通過實驗研究了后混合磨料水射流切割速度和切割靶距對奧氏體不銹鋼表面粗糙度的影響，實驗結(jié)果表明:表面粗糙度隨著切割速度和切割靶距的增大而增大。

通過文獻檢索可以看出，對后混合磨料水射流切割鋼材的表面粗糙度研究已經(jīng)較為充分，而對于前混合磨料水射流切割鋼材的表面粗糙度研究較少。因此，本文作者選擇廣泛應用于機械制造行業(yè)中的Q235碳素結(jié)構(gòu)鋼作為研究對象，使用前混合磨料水射流切割進行實驗，結(jié)合理論分析和實驗數(shù)據(jù)，討論不同參數(shù)對表面粗糙度的影響，并建立射流參數(shù)與表面粗糙度的回歸預測方程。

1 實驗設備與方案

1.1 實驗設備

前混合磨料水射流切割實驗裝置主要由高壓泵組、PAJ20/50前混合磨料水射流發(fā)生裝置、三維數(shù)控機床和控制臺組成。經(jīng)過過濾的清水在高壓泵驅(qū)動的增壓器中升壓,并經(jīng)過高壓軟管被輸送至磨料罐內(nèi)，與磨料在罐底混合腔內(nèi)均勻混合并送至數(shù)控機床上的水切割刀頭，在控制臺的操控下完成預設路徑的切割加工。前混合磨料水射流切割裝置的主要性能參數(shù)見表1。

表1 前混合磨料水射流切割裝置主要性能參數(shù)

開展前混合磨料水射流切割實驗研究，使用的石榴石是粒度為80目(直徑為0.172 mm)、摩氏硬度為7.5、密度3.5～4.3 g/cm的鎂鐵榴石(實驗使用密度為3.7 g/cm)，具有較好的切割效果。選用Q235碳素結(jié)構(gòu)鋼進行實驗，主要性能參數(shù)見表2。

表2 Q235碳素結(jié)構(gòu)鋼性能參數(shù)

1.2 實驗方案

采用前混合磨料水射流切割Q235碳素結(jié)構(gòu)鋼，對主要切割參數(shù)進行實驗，設計切割壓力、噴嘴出口直徑、切割靶距和切割速度的正交試驗，其實驗設計如表3所示。

表3 切割參數(shù)

由于Q235碳素結(jié)構(gòu)鋼的切面寬度是10 mm，因此將測量區(qū)域分成3個部分，如圖1所示。從切割深度為2 mm處開始，等距間隔3 mm為一區(qū)域；切面的長度為100 mm，等距分成10份測量，即可求得任一切割深度表面粗糙度的平均值。使用固定裝置將切塊固定，使切面保持水平，使用SRM-1(D)型高精度粗糙度測量儀對切割后的3個不同表面質(zhì)量區(qū)域進行測量，如圖1所示。

圖1 表面粗糙度測量方法

2 實驗結(jié)果與分析

前混合磨料水射流由于磨料的引入極大地增強了水射流的工作能力，影響工作能力的3個本質(zhì)因素為：磨料流量、磨料速度和磨料能量。前混合磨料水射流切割Q235碳素結(jié)構(gòu)鋼表面粗糙度的實驗結(jié)果主要受磨料流量和磨料能量的影響。

磨料粒子以流體為載體進行加速運動，對流體速度的影響可以忽略不計，流體在噴嘴出口的速度可由以下公式計算：

(1)

流體的速度只受切割壓力影響，磨料粒子在運動過程中不考慮粒子間的相互作用，因此在其他實驗參數(shù)相同的條件下，磨料粒子在不同出口直徑的噴嘴出口處速度相同。射流流量可由以下公式計算：

(2)

射流流量受噴嘴出口直徑和切割壓力的影響，并且與噴嘴出口直徑成二次方影響，因此噴嘴出口直徑對磨料流量的影響程度大于切割壓力。

2.1 噴嘴出口直徑對表面粗糙度的影響

在實驗中選用了3種出口直徑不同的圓錐收縮型噴嘴，其實驗規(guī)律見圖2。

圖2 不同噴嘴出口直徑下的表面粗糙度

圖2為在不同噴嘴出口直徑下，整個切面粗糙度平均值變化規(guī)律。可以看出：3條曲線的變化規(guī)律表征不同噴嘴出口直徑對表面粗糙度影響的差異，表面粗糙度整體上隨著噴嘴出口直徑的增大而減??；隨著噴嘴出口直徑的增大，磨料流量增大，單位時間內(nèi)磨料粒子與切削表面的作用頻率增加，磨削得更加充分，從而有效減小表面粗糙度。從圖2中還觀察出，隨著噴嘴出口直徑增大，表面粗糙度的變化幅度在減小。這是由于隨著噴嘴出口直徑的增大，射流束直徑增大，其外層因與噴嘴內(nèi)壁碰撞導致運動狀態(tài)變化的粒子對射流束內(nèi)部的運動狀態(tài)影響較小，因而射流束的穩(wěn)定性較高，產(chǎn)生的表面粗糙度較小。從射流切割的角度分析，磨料射流的工作流程大致分為兩個部分：(1)切斷材料；(2)磨削切口表面。磨料流量決定這兩個階段的工作效果。單位時間內(nèi)磨料粒子對靶材的沖擊頻率越高，越容易使材料接觸部分產(chǎn)生細小的裂紋，破壞材料的完整性，從而降低材料的疲勞強度和抗拉強度，使材料更容易被切斷；磨料粒子的直徑為0.172 mm，較為細小，單位時間內(nèi)磨料流量大的射流束就相當于一張高目“砂紙”，對切口表面進行高頻磨削，減小表面粗糙度?；谶@種原因圖2中的規(guī)律是符合客觀事實的。由于使用噴嘴出口直徑為1.14 mm的噴嘴切割鋼所獲得的表面質(zhì)量較高，因此對使用此種噴嘴條件下的各切割參數(shù)對表面粗糙度的影響規(guī)律進行研究。

2.2 切割深度和切割靶距對表面粗糙度的影響

采用圖1的測量方法，研究噴嘴出口直徑為1.14 mm條件下的各切割深度和切割靶距對表面粗糙度的影響規(guī)律。

圖3為不同切割深度條件下，各切割深度表面粗糙度平均值變化規(guī)律，可以看出表面粗糙度與切割深度呈正相關關系；圖4為不同切割靶距條件下，整個切面粗糙度平均值變化規(guī)律圖，可以看出表面粗糙度與切割靶距呈正相關關系。切割靶距和切割深度之和實際上是噴嘴出口到測量點的切割距離，隨著切割距離的增加，射流束直徑隨之增加，其計算公式如下：

圖3 不同切割深度下的表面粗糙度(噴嘴出口直徑1.14 mm)

圖4 不同切割靶距下的表面粗糙度(噴嘴出口直徑1.14 mm)

(3)

其中：是射流徑向位移。

射流束直徑隨著切割距離的增大而增大，磨料粒子的體積密度隨之降低，磨料粒子與切口表面的作用頻率隨之也降低，導致其磨削效果減弱，使表面粗糙度增大。從公式(2)和(3)可以得出噴嘴出口直徑對表面粗糙度的影響比重大于切割靶距和切割深度。

2.3 切割壓力對表面粗糙度的影響

根據(jù)表3的實驗設計，在噴嘴出口直徑為1.14 mm的條件下，共使用了4種切割壓力，其實驗數(shù)據(jù)見圖5。

圖5 不同切割壓力下的表面粗糙度(噴嘴出口直徑1.14 mm)

圖5為不同切割壓力條件下，整個切面粗糙度平均值變化規(guī)律圖，可以看出：隨著切割壓力的增加，切口表面粗糙度呈現(xiàn)先減小后增大而整體減小的規(guī)律。當切割壓力增大時，流體和磨料粒子速度同時增大，磨料流量增加，使得磨料粒子與切口表面的磨削頻率增加，從而減小了表面粗糙度；當切割壓力過高時，鋼板和機床格柵的振動效應增加，產(chǎn)生振動和位移，破壞了鋼板在格柵上的穩(wěn)定性，使得切口表面粗糙度增大。

2.4 切割速度對表面粗糙度的影響

在噴嘴出口直徑為1.14 mm的條件下，共使用了4種切割速度進行實驗，其結(jié)果如圖6所示。

圖6 不同切割速度下的表面粗糙度(噴嘴出口直徑1.14 mm)

圖6為不同切割速度條件下，整個切面粗糙度平均值變化規(guī)律圖。可以看出：表面粗糙度隨著切割速度的增加而增大。當切割速度增加時，磨料粒子與切口表面的作用時間減少，磨削作用減弱，表面粗糙度增大。

4幅表面粗糙度變化規(guī)律圖中，圖中的數(shù)據(jù)變化曲線并沒有與總結(jié)的規(guī)律完全契合。這是由于在前混合磨料水射流中，射流束的穩(wěn)定性處于波動狀態(tài)，影響射流穩(wěn)定性的因素主要有3個：(1)振動。增壓泵和數(shù)控機床之間主要用高壓軟管連接，在增壓過程中，曲軸增壓泵振動劇烈，即使有減振設施，但是其振動幅度依然肉眼可見，尤其在切割壓力較高時，其振動更為劇烈；振動通過高壓軟管傳遞給流體，從而影響射流的穩(wěn)定性；鋼板和機床格柵在射流束的沖擊下，會產(chǎn)生振動，影響鋼板在格柵上的穩(wěn)定性。(2)流體狀態(tài)。流體在高壓軟管內(nèi)部的流動屬于層流狀態(tài)，在噴嘴內(nèi)部流體的狀態(tài)發(fā)生改變，由層流狀態(tài)轉(zhuǎn)變?yōu)槲闪鳡顟B(tài)，兩種流動狀態(tài)混合在一起，增加了流體的不穩(wěn)定性。(3)磨料粒子形狀。磨料粒子并不是球形，而是有多棱角的多面體，形狀各異，導致其在流體中的流動狀態(tài)不同，使得其運動軌跡也會相應發(fā)生變化。從宏觀角度上觀察到射流束的形狀始終保持不變，從微觀角度上觀察，射流束的內(nèi)部狀態(tài)總是發(fā)生細微的變化，導致射流束的穩(wěn)定性在不斷變化。

以上3種影響因素導致了射流束的不穩(wěn)定性，導致在實際實驗過程中總是會產(chǎn)生噪聲點，使得實際結(jié)果與理想分析結(jié)果產(chǎn)生一定偏差，但這種現(xiàn)象也更加符合客觀邏輯。

此次實驗中可以得出，磨料流量對表面粗糙度的影響大于磨料能量。磨料流量由切割壓力和噴嘴出口直徑共同決定，這是整個前混合管道內(nèi)部的因素所引起的；磨料能量主要由切割速度決定，這是系統(tǒng)之外的原因，并且切割速度相對于射流速度非常小。因此，由內(nèi)因引起的改變大于外因。

3 建立回歸預測方程

前混合磨料水射流切割Q235碳素結(jié)構(gòu)鋼的表面粗糙度研究屬于精密加工，因此在做預測模型建立時使用出口直徑為1.14 mm的噴嘴實驗數(shù)據(jù)作為研究對象，共有144組數(shù)據(jù)。從前文的表面粗糙度變化規(guī)律圖中可知，表面粗糙度與各個實驗參數(shù)呈非線性關系。利用Python編程語言，從實驗數(shù)據(jù)中隨機抽取100組(70%)數(shù)據(jù)作為訓練集，余下的44組(30%)數(shù)據(jù)作為測試集，通過機器學習中的非線性回歸算法建立多個表面粗糙度的非線性回歸預測方程，經(jīng)過比較選擇了預測效果最優(yōu)的二次非線性回歸預測方程，其模型評估指標數(shù)值見表4。

表4 性能評估參數(shù)

從表4中可以看出:二次非線性回歸預測方程在數(shù)據(jù)有噪聲點的情況下，擬合了81.17%的數(shù)據(jù)，增加了模型的穩(wěn)定性，提高了預測的準確性；并且表面粗糙度二次非線性回歸預測方程的平均誤差為7.99%。方程式參數(shù)如表5所示。

表5 二次非線性回歸預測方程參數(shù)

其方程式如下：

=-0047 5+0005 7+0021 0+

0132 8+0001 5+0003 8-0000 5-

0005 2-0004 0+0000 2-0010 6-

0000 07+0000 9+0004 7+0276 9

(4)

公式中自變量前的系數(shù)表征其影響權(quán)重以及影響正負關系:切割壓力與表面粗糙度呈負相關關系；切割靶距、切割速度以及切割深度和表面粗糙度呈正相關關系，并且四者的影響權(quán)重的主次關系依次為：切割深度、切割壓力、切割速度、切割靶距。公式中呈現(xiàn)的規(guī)律與圖3—圖6中的規(guī)律是相符合的，表明預測方程符合客觀邏輯，是準確的。

從圖7可以看出:擬合方程能夠預測每一個輸入樣本的輸出值，并且在最優(yōu)擬合參數(shù)的作用下無限減小與真實值之間的誤差，使建立的方程不僅能夠適用于測試集，對未知結(jié)果的實驗數(shù)據(jù)依舊有較好的預測能力，即使有噪聲點存在的請況下，擬合方程也會貼合，以提高對真實數(shù)據(jù)的預測準確率。

圖7 表面粗糙度擬合曲線

圖8是二次非線性擬合預測方程的預測值與真實值的殘差高斯分布(Gaussian Distribution)，圖中的概率密度函數(shù)為殘差滿足高斯分布～(-0.000 159,0.080 368)密度函數(shù)在3個標準差范圍內(nèi)的面積比為99.31%，表明取任一殘差分布在(-0.241,0.24)的概率為99.31%。高斯分布以概率的形式表征了殘差的分布規(guī)律，通過殘差的高斯分布情況，可以知道建立的數(shù)學模型的預測準確性較高。

圖8 殘差高斯分布圖

(5)

4 結(jié)論

以Q235碳素結(jié)構(gòu)鋼為前混合磨料水射流切割研究對象，對射流參數(shù)對表面粗糙度的影響進行了實驗研究。在實驗中切割壓力、噴嘴出口直徑、切割靶距、切割速度和切割深度是影響表面粗糙度的直接可控因素；承載這些射流參數(shù)的本質(zhì)因素是磨料粒子和流體，它們將這些射流參數(shù)的作用效果轉(zhuǎn)化為自身的動能和運動狀態(tài)，與鋼材接觸的瞬間發(fā)生劇烈的能量交換，鋼材在無法承受的巨大能量作用下發(fā)生斷裂，從而切斷鋼材。這些巨大的能量來源于影響表面粗糙度內(nèi)因的磨料流量和磨料能量，磨料流量大且作用時間長能有效降低表面粗糙度。

在實驗過程中設備的振動、流體的狀態(tài)和磨料粒子的形狀對射流的穩(wěn)定性會產(chǎn)生影響，使實驗數(shù)據(jù)在可控范圍內(nèi)產(chǎn)生噪聲點，實際操作中難以構(gòu)建理想實驗條件。

通過非線性回歸算法建立了一個二次非線性回歸預測方程數(shù)學模型，并且通過實驗數(shù)據(jù)驗證，模型具有較高的預測準確性。對實驗數(shù)據(jù)的處理通過借助Python語言和非線性算法，能夠有效利用數(shù)據(jù)建立高性能的數(shù)學模型，得出相應的經(jīng)驗公式，且具有一定的指導參考意義。