车削奥氏体不锈钢时冷却参数对刀具振动和表面粗糙度的影响

刘念聪 吴圣红 谢京良 杨程文 刘保林 蒋 浩 陈 云

1. 成都理工大学核技术与自动化工程学院，成都，610059 2. 成都工具研究所有限公司，成都，610051

0 引言

最小量润滑(minimum quantity lubrication, MQL)就是使用最小量的切削液达到最佳的切削效果，是一种金属加工的润滑方式，即半干式切削。与干切削、湿切削相比，MQL作为一种绿色制造技术，能够显著降低切削区域的温度，减少工件与刀具之间的摩擦，提高刀具寿命和表面质量，受到学术界的广泛关注。MQL技术为干切削和常规冷却润滑的结合，融合了两种方法的优点，能降低生产成本，减少环境污染[1-5]。文献[6]的研究表明，MQL刀具寿命比干切削和湿切削更长，工件表面质量更好。然而MQL技术在冷却效果方面的局限性使其难以用于硬质切削材料，如钛合金、奥氏体不锈钢[7-8]。

最小量冷却润滑(minimum quantity cooling lubrication，MQCL)技术是在MQL基础上发展起来的一种新型技术，它有利于提高冷却效果和发挥润滑作用。很多研究人员研究了在MQCL条件下低温冷却对刀具磨损、切削温度和摩擦力的影响[9-13]。为了进一步考察不同冷却方式的冷却效果，PENG等[14]比较了低温气体(CG)、MQL、CG + MQL三种冷却方式对钛合金切削的冷却效果，发现在CG+MQL冷却条件下获得了最小的表面粗糙度。MUAZ等[15]将基于低温冷却和MQL的组合技术与干燥的冷却剂效果进行了比较，发现这种组合技术可以提高刀具寿命。LIU等[16]研究了MQCL条件下切削参数对刀具磨损的影响，并与MQL条件下的刀具磨损进行了比较，结果表明，在优化切削参数条件下，MQCL获得了比MQL和干式切削条件下更高的表面质量和更低的刀具磨损。ISKANDAR等[17]报道了MQL冷却参数对流动特性的影响，他们认为空气流量、油液流量和喷嘴距离等冷却参数对切削液的流动特性有显著影响。CAROU等[18]认为在干切削条件下表面粗糙度和振动之间的关系是清楚的，但如果切削是在MQL条件下进行，结果是相反的。PHAM等[19]研究了MQCL条件下二硫化钼纳米流体对SKD11工具钢硬磨性能的影响，得出纳米流体对表面粗糙度和工具磨损有很大影响的结论。有研究人员认为，虽然MQCL系统的优势是多方面的，但还没有得到广泛的探索[20]。从上述文献中可知，目前的研究主要侧重于MQL条件下对冷却参数的研究，而在MQCL条件下油液流量、冷风温度、风速、喷射面类型等冷却参数对刀具振动和表面质量的影响研究仍是空白，有必要进一步探索。

鉴于上述分析，本文重点研究在MQCL条件下车削奥氏体不锈钢时冷却参数对刀具振动和表面质量的影响。在实验中，主要输入参数是冷却参数，即冷风温度、风速、油液流量和喷射面类型。评价指标为刀具轴向、径向振动的均方根值和表面粗糙度。正交试验基于田口设计方法，重点分析冷却参数对表面粗糙度的作用机理。最后，采用改进的遗传算法优化支持向量回归(SVR)模型对冷却参数进行优化，得出冷却参数最优值。

1 试验方案

1.1 试验装置与测量

试验材料采用AISI304不锈钢棒材，尺寸为φ100 mm×400 mm，化学成分和力学性能分别见表1和表2。刀柄型号为SDJCR2020K11，如图1a所示。刀柄的参数如表3所示，刀具如图1b所示，刀具尺寸参数见表4。基体材料为ZGM156(M型硬质合金)，PVD涂层硬质合金型号为PR930。以植物基础油和乙醇为原料，按1∶1体积比混合，制备出一种新型切削液。高压气体由DW-30型空气压缩机提供。采用CK6136i型数控车床进行车削试验，试验设备如图2所示，切削参数(切削深度ap=0.25 mm，进给速度f=0.1 mm/r，切削速度v=250 m/min)为行业推荐值。MQCL系统如图3所示。采用TR2000型测试仪测量表面粗糙度，分辨力为0.01 μm，采样长度为0.8 mm。为了减小试验误差，对表面粗糙度测量9次取平均值，并记录表面粗糙度Ra的值。刀具振动信号由DH5922N型测试系统进行采集，采样频率为10 kHz。使用DH311型三向加速度传感器测量刀具轴向(Ax)、径向(Ay)、切向(Az)振动加速度，其测量安装方式如图4所示。

表1 AISI304化学组成(质量分数)

表2 AISI304奥氏体不锈钢的材料性质

(a) 刀柄

表3 刀柄参数

表4 刀具尺寸参数

(a) 机床

图3 最小量冷却润滑系统

图4 振动传感器的布置

1.2 试验方法

基于田口法的试验方案将3个冷却参数(风速、冷空气温度和油液流量)分为5个等级,将喷射面分为3种类型，分别是前刀面(RF)、主后刀面(MRF)和副后刀面(MF)。各因素与等级的对应关系见表5。

表5 因素与参数设计

2 试验结果讨论

为了便于分析试验结果，将RF、MRF、MF分别编码为1、2、3，试验结果见表6。

表6 微量润滑试验结果

2.1 方差分析

采用方差分析法，分别分析了各冷却参数对刀具振动和表面粗糙度的贡献率。表7所示为刀具轴向振动的方差分析结果，冷风温度、风速、油液流量和喷射面类型的贡献率分别为46.40%、8.34%、13.18%、11.92%。刀具径向振动的方差分析结果如表8所示，冷风温度、风速、油液流量和喷射面类型对刀具径向振动的贡献率分别为

表7 轴向振动信号均方根的方差分析结果

表8 径向振动信号均方根的方差分析结果

41.54%、4.82%、12.70%、25.20%。由此可见，温度对刀具振动影响最大。由表9可知，冷风温度、风速、油液流量和喷射面类型对表面粗糙度的贡献率分别为3.30%、47.80%、23.50%、5.45%，可见，风速对表面粗糙度影响最大，温度对表面粗糙度影响最小。

表9 表面粗糙度方差分析结果

2.2 主效应图

轴向和径向振动的主效应图见图5。可见，当温度在-20～10 ℃之间时，轴向和径向振动均方根值随温度的升高呈明显的上升趋势。植物油运动黏度与温度的关系为

(a) Ax主效应图

式中，A、B分别为各基团贡献值；η为流体黏度；ρ为20 ℃时的流体密度，g/cm3；M为相对分子量；T为热力学温度，K。

由式(1)可知，随着冷风温度升高，植物油的运动黏度降低，导致摩擦力增大，振动增大[21]。冷风温度在-10～0℃时，振动有减小趋势。一般情况下，MQCL可以迅速降低切削区温度，使得切削液流动速度下降，从而减小切削接触区摩擦力，振动随之减小。冷风温度为-10 ℃时，振动反而比冷风温度为0 ℃时更大。图6为-10 ℃下刀具磨损SEM图。由图6可知，此时刀具前刀面形成积屑瘤，导致润滑性能变差。可见，MQCL温度越低，刀具振动越小；当刀具出现积屑瘤时，振动会增大。

图6 刀具磨损SEM图

风速在5.5 ～10.0 m/s时，随着风速增大， 振动减小。这是由于风速越大，刀具、工件与润滑油间的接触面积越大，这有利于产生油膜，使得摩擦力及振动减小。当风速大于10.0 m/s后，油液和切削表面接触会减少，使得摩擦力增大，进而振动增大[22]。尤其是风速在10～11.5 m/s时，表面粗糙度降低。油液流量在120～300 mL/h之间时，振动呈现下降趋势。这是因为单分子层油膜内张力达到最小，厚度接近最大，油膜内出现“拥挤”现象，工件表面切削阻力不均匀，造成振动增大。油液流量超过300 mL/h时，振动增大，表面粗糙度增大。喷射面为副后刀面时，刀具振动最小。从主效应图中可知，振动较小时，冷却参数最优值为：冷风温度-20 ℃，风速10 m/s，油液流量300 mL/h，喷射面为副后刀面。

由图5c可以看出，温度在-20 ～-10 ℃之间时，表面粗糙度减小；温度在-10 ～20 ℃之间时，表面粗糙度增大，但是总体上表面粗糙度变化很小，这表明温度对表面粗糙度的影响很小。由金属切削机理可知，表面粗糙度与刀具磨损相关性很大。采用4XC-W型显微镜观察发现，前刀面磨损量随着温度变化而变化很小，如图7所示。第1组试验，当温度为-20 ℃、风速为8.5 m/s、油液流量为300 mL/h时，前刀面磨损值d为56.89 μm；第7组试验，当温度为-10 ℃、风速为5.5 m/s、油液流量为360 mL/h时，前刀面磨损值为58.06 μm，说明温度对刀具磨损的影响很小，即对表面粗糙度影响很小[16]。风速为5.5 ～10 m/s时，表面粗糙度增大。当风速超过10 m/s时，表面粗糙度突然减小。油液流量在120 ～180 mL/h时，随着油液流量的增大，粗糙度减小，油液流量超过180 mL/h时表面粗糙度先增大后减小。在确保表面粗糙度较小的情况下，冷却参数最优值为：温度-10 ℃，风速5.5 m/s，油液流量300 mL/h，喷射面为副后刀面。

(a) 第1组试验刀具磨损图

2.3 响应面图

根据表6建立刀具振动和表面粗糙度的多重响应面。温度、油液流量对刀具振动影响的响应面如图8a、图8b所示，较低的温度和较低的油液流量相结合可减少刀具振动，这是由于随着温度降低，植物油的运动黏度增大，摩擦力减小，进而振动减小。风速、温度对刀具振动影响的响应面如图8c、图8d所示，较高的温度和风速会导致较大的刀具振动，这是由于温度对刀具振动的影响最大。较高的油液流量和风速相结合，刀具振动较小，如图8e、图8f所示。这是由于高风速和高油液流量会导致较大的流体膜出现，使得摩擦力减小，进而振动减小。由图9可知，随着风速增大，表面粗糙度呈现增大趋势，且变化最大，这进一步验证了风速对表面粗糙度的影响最大。然而油液流量并不是越大越好，当油液流量达到一定值后，表面粗糙度反而增大。为进一步说明温度和风速对表面粗糙度的影响，进行了表面粗糙度功率谱密度(PSD)分析。当喷射面为前刀面，温度为0 ℃、风速为5.5 m/s、油液流量为300 mL/h时，其PSD如图10a所示；当温度为10 ℃、风速为11.5 m/s时，PSD如图10b所示。对比图10a、图10b可知，随着温度、风速增大，频率大幅度增大，说明风速和温度同时发生改变，对表面粗糙度影响很大。

(a) 油液流量-温度轴向振动响应面图

(a) 风速-温度的Ra响应面图

(a) 第3组试验Ra功率谱密度图

3 冷却参数预测与优化及实验研究

3.1 支持向量回归预测模型

支持向量机(SVM)以统计学习理论为基础，基于结构风险最小化原则，样本泛化性能极强，可以避免对样本数据的高度依赖，使得预测的效果更加接近实际值[23]。给定训练集训练函数Y={f(x1,x2,x3,x4)}，预测训练的适用范围为：-20 ℃≤t≤20 ℃，5.5 m/s≤vw≤11.5 m/s，120≤qV≤300 mL/h，喷射面类型A=1,2,3。由于轴向振动和径向振动的变化趋势几乎是一致的，这里仅考虑轴向和径向振动均方根的加权平均数，故加权方法为

W=0.5w1+0.5w2

(2)

式中,W为总权重；w1为轴向振动的加速度权重；w2为径向振动的加速度权重。

通过回归预测分别得到加权后的振动均方根预测值与实际值，两者对比如图11a所示， 表面粗糙度预测值与实际值的对比如图11b所示，预测误差如图12所示。由图12可见，SVR的预测误差非常小，仅为0.001。

(a) 刀具振动预测值与实验值对比图

(a) 振动

3.2 遗传算法优化SVR

由于实验结果的数据具有非线性，且样本量有限，因此本研究利用遗传算法得到4个冷却参数的最优组合。在此基础上，建立误差较小的 SVR 预测模型。遗传算法预测优化SVR的流程如图13所示。优化结果为：温度-2.36 ℃，风速7.31 m/s，油液流量300 mL/h，喷射面为副后刀面时，达到表面粗糙度最优值0.4058 μm。当温度为-14.79 ℃，风速为9.17 m/s，油液流量为240 mL/h，喷射面为副后刀面时，振动均方根最优值为4.024 m/s2。

图13 GA-SVR操作流程图

3.3 验证实验

为了检验优化参数(温度-2.36 ℃，风速7.31 m/s，油液流量300 mL/h，喷射面为副后刀面)的有效性，在MQCL条件下选择优化切削条件进行验证实验。实验结果如表10所示，表面粗糙度和刀具振动的实验结果与预测结果的误差分别为4.4%和5.9%。可见，优化方法是可靠的。

表10 实验验证结果

4 结论

(1)低温微量润滑参数对刀具振动的影响从大到小依次为：冷风温度、喷射面、油液流量、风速。风速对表面粗糙度的影响最大，温度对表面粗糙度的影响较小。

(2)通过响应面法分析可知，各因素对刀具轴向振动和径向振动的影响规律为：低油液流量和较高温度的组合使得刀具振动更加剧烈；油液流量越大，风速越大，振动越小。

(3)用遗传算法对SVR进行优化，预测误差为0.001。优化结果为：当温度为-2.36 ℃、风速为7.31 m/s、油液流量为300 mL/h、喷射面为副后刀面时，最优表面粗糙度为0.6588 μm。在温度为-14.79 ℃、风速为9.17 m/s、油液流量为240 mL/h、喷射面为副后刀面时，最小振动值为4.024 m/s2。实验验证了优化参数的可靠性。