检测磨料水射流切削品质模具的探讨

检测磨料水射流切削品质模具的探讨 文章来源：中国切割机网

　
　　磨料水射流（AWJ）是在20世纪80年代发展起来的一种新技术，它是高速水射流束与磨料粒子相混合形成的液固两相介质流，对材料具有极强的冲蚀作用，并在冲蚀过程中不改变材料的力学、物理和化学性能，而且切割速度快，切缝小，材料利用率高，因此适于切割热敏、压敏、脆性、塑性和复合性等各种性质的材料，广泛应用于军用车辆、航空航天、石油、建筑、建材、市政工程等行业。
　　在磨料水射流加工性能的研究中，国内外一些学者对改善磨料水射流切割质量进行了大量研究，但其试验都耗费了大量的人力、物力、财力，因此，在当今追求高效率、高精度和智能化的加工背景下，针对我单位磨料水射流切割某些零件的质量要求较高、厚度变化频繁的情况下，切割工艺参数的选择，很大程度上依赖于熟练操作者的经验和工艺知识，操作者不仅通过对工艺参数与切割效果之间的分析，还要在切割中，通过多次的尝试和调整，才能推理出应该采用的较合理的工艺参数。为了解决这种工艺参数选择的不科学性，需要通过做实验，确立磨料水射流工艺参数选择、优化控制的模型，因此，本文以磨料水射流加工表面粗糙度为指标，在优选切割工艺参数组合的基础上，获得大量实验数据，试图建立预测磨料水射流切割质量模型，以扩大磨料水射流加工范围，提高其生产效率。
　　1磨料水射流工艺1.1试验设备切割原理本文研究的是由瑞典生产的双喷头磨料水射流设备，如图1所示。首先用液压泵对经过滤的自来水增压，使水压达到近400MPa，由高压管道输送，即应用液体增压原理，通过特定的装置（增压口和高压泵），将动力源（电动机）的机械能转化成压力能，具有巨大压力能的水再通过具有精细小孔的蓝宝石（或红宝石、金刚石）喷嘴将压力能转变成动能，从而形成高速射流，通常称为高速水射流。这种从水喷嘴喷出的射流具有极高的能级密度，将在混合腔内形成局部真空，磨料从接头处的磨料管被吸入混合腔，磨料被吸入后与射流束紊动混合，经混砂管加速聚集喷出，形成了磨料浆状射流称为磨料水射流。
　　1.2切割中存在问题磨料水射流技术虽有许多优点，但利用其切割工件时，并不是像其它刚性刀具，刀具所到之处工件就被加工，它在切割过程中存在以下3种“缺陷”。
　　（1）滞后：随着切割深度增加，穿过工件的射流在退出点与进入点相比，有一个明显的滞后，如图2（a），从而在切割断面产生弧纹和锥面，如图2（b）。
　　（2）回击：在切割过程中，如果喷头的进给速度太快，射流来不及穿透工件而产生射流回击，从而在被加工表面产生射流冲击的凹槽或疤。
　　（3）切缝：具有一定直径尺寸的射流束，在工件上留下切缝。喷嘴直径大小决定射流束的直径大小，同时随着加工时间的延长，喷嘴的磨损会增大，切缝的宽度也会随着增大，这势必造成被加工工件的尺寸误差。
　　基于磨料水射流本身的“柔性”特点，为解决被加工工件上出现的上述问题，必须通过控制切割工艺参数来实现。因此，选择通用旋转组合实验设计，寻找经济型的切割参数组合模型。
　　1.3实验指标磨料水射流切割性能受工件材料、射流系统和执，选择合理的切割工艺参数，改善切割质量，是充分发挥设备加工潜力、提高切割效益的关键。如果考虑所有工艺参数和切割轨迹对切割质量的影响，势必使实验变得庞大而复杂，很难建立一个多因素的通用预测模型。结合单位生产实际情况，综合考虑工艺参数对切割性能的影响，忽略机床和材料性能的变化，只考虑不同厚度下较难控制的工艺参数对切割速度、砂流量进行优化，并将切割断面光滑区的粗糙度作为切割性能指标，进行切割实验研究。
　　2神经网络模型在工艺参数选择的基础上，确定出不同工况下，切割工艺参数的佳搭配组合，并进行大量实验，选取其中60组实验结果，如表1所示，以寻求够地预测磨料水射流切割质量的模型。神经网络技术在处理多数据输入系统时省去了传统建模方法所需复杂的各变量相关性分析，更重要的是，它具有大量信息并行处理功能，可用来代替人类基于经验的决策行为，容易建立佳组合的工艺参数模型，且具有高的预测精度。因此，本文采用数值优化的LM－BP神经网络建立磨料水射流切割质量的模型，并进行预测结果对比。
　　LM－BP神经网络是将BP算法与数值优化的数学算法结合起来，使网络权值和阈值先确定当前迭代的佳搜索方向，再寻求优的迭代步长，目的是加快网络收敛和减小震荡，改善梯度方式中局部极小点的缺陷，以提高网络预测性能。根据参考文献，网络训练参数的输入层到隐含层的传递函数确定为正切S型函数（tansig），隐含层到输出层的传递函数为线性函数（purelin）.网络模型学习训练函数采用train来完成，训练参数net.trainparam的设置，首先根据实验数据确定模型的输入层、输出层后，通过程序循环训练寻找优的隐含层数目，终模型的拓扑结构如图3所示，训练结果如图4所示。由图4可知，网络的训练曲线和目标曲线相交，训练结束的步数为5，收敛精度为0.000218205，这说明网络训练结果收敛，模型建立很成功，可以进行实际预测。
　　3模型应用设计网络模型的目的就是利用设计并训练好的网络解决实际的问题，为了验证模型的正确性，结合磨料水射流加工产品的实际情况，只要预测误差在－0.2～0.2μm范围内就说明模型是成功的，所以将本文建立的网络人机界面模型软件应用到磨料水射流设备上，并进行切割质量预测，其预测数据结果.
　　由预测数据可知，与其他文献建立的网络模型相比，本文先对磨料水射流切割工艺参数优化选择，再建立预测网络模型，使得网络预测的切割质量与实际测量值之间的误差被控制在更小的范围内，预测的大误差为0.1205μm，小误差仅为0.0056μm，这说明本文的LM－BP网络模型能够预测切割质量，完全满足生产要求。负号表示网络模型对切割质量的预测值超过实际测量值；反之，则表示预测值小于实际测量值。利用网络模型进行加工的30mm厚的样件。
　　样件的切缝光滑样件也没有因射流滞后而对尖角出现的过切现象，实际测量的粗糙度为4.5μm，粗糙度的相对误差仅为1.9，使工件尺寸满足工艺要求，这说明通过对切割工艺参数优化选择，再利用LM－BP模型预测切割质量的模型是成功的，对生产实际有着重要的参考价值。
　　4结论（1）针对本台磨料水射流设备，在切割喷头组合参数固定的情况下厚度的工件，切割速度对工件切割质量的影响要远大于砂流量的影响，为此，在选择合理砂流量前提下，合理控制切割速度。
　　（2）在工艺参数优化选择的基础上，扩大磨料水射流加工的实验数据，使建立的LM－BP网络具备更强的记忆功能，这使得网络具备高预测性能，也对本台设备生产实际有着重要的参考价值。　
　

更多>> 行业资讯

水切割机工作原理及应用领域 (9-13)
激光切割机使用注意事项 (9-13)
等离子切割机日常保养知识：延长寿命，保证效果！ (9-13)
火焰切割机使用注意事项及安全指导 (8-22)
焊接机的日常保养知识与技巧 (8-22)
切割机的组成和工作原理 (8-22)
焊接机器人激光-电弧复合焊 (11-19)
2018年1-8月全国焊接钢管产量为3191.2万吨同比增长9%.. (11-19)

切割机全国