banner
ニュース センター
当社のオンライン サービスは、24 時間年中無休でご利用いただけます。

RUM プロセスパラメータの最適化とニッケル 718 の部品特性への影響の体系的な調査

Jul 15, 2023

Scientific Reports volume 13、記事番号: 1716 (2023) この記事を引用

510 アクセス

1 引用

メトリクスの詳細

この研究は、ダイヤモンドメタルコアドリルを使用したニッケル基超合金の穴あけに焦点を当てており、加工率(MR)と表面品質を最適化する回転超音波加工の重要なパラメータを特定しました。 4 つの一般パラメータ: ワーク材質、ワーク厚さ、工具材質、工具サイズ。 および 4 つの RUM パラメータ: 工具の回転、送り速度、超音波出力定格、および工具の砥粒サイズが、切削の表面品質に対してテストされました。 その結果,0.8931mm3/secというMRの最大値は,より高いレベルの工具回転,送り速度,超音波出力および中程度のダイヤモンド砥粒サイズで得られることがわかった。 最小表面粗さ (Ra) 0.554 μm は、より高いレベルの回転、中程度の送り速度、超音波出力、ダイヤモンド砥粒サイズで観察されます。 さらに、単一目的関数と多目的関数の場合、粒子群最適化 (PSO) アプローチを使用してプロセス パラメーターの最適値を見つけます。 さらに、RUM後の加工面の確認には走査型電子顕微鏡も活用しています。 機械加工された表面に微小亀裂が観察されると結論付けられます。

航空機エンジン技術の発展に伴い、複合材料や難削材が新しいエンジンに使用されることが増えています。 この発見は、困難な材料を加工するための加工技術とコンポーネントの機能に対するニーズが高まっていることを示しています。

ニッケル基超合金は、高温強度、靱性、および腐食または酸化条件での劣化に対する耐性を優れた組み合わせで備えた、ユニークな種類の金属材料です1。

図 1 は、先進的な加工、合金開発、遮熱コーティングの使用、革新的で効果的な冷却方式 2 により、ニッケル基超合金の温度特性の進歩を示しています。 航空機エンジンのケーシング、コンプレッサーディスク、ベアリングリング、ブレード、タービンディスク、および高温で作動するその他の部品などの部品は、高強度、強力な耐食性、優れた耐熱性を備えたニッケル基超合金で作られています。疲労特性、熱安定性3. ジェットエンジンに使用されるニッケルベースの多数の超合金を図 2 に示します。

Ni基超合金の1100℃~137MPa3におけるクリープ破断温度性能の開発。

通常、ジェット エンジンの重量の約 50% を占めるニッケルベースの超合金に使用されます。

ジェット エンジンの部品の 50% はインコネル 718 で作られています。インコネルは Ni-Fe-Cr 合金です4。 ただし、インコネル 718 の引張強度は室温で 1393 MPa に達します。 被削性により部品の加工が硬くなります。 被削性は鋼の 8 ~ 20% しかないため、加工効率が悪くなります。

さらに、ニッケル基超合金の機械加工では、工具の酸化摩耗、凝着摩耗、機械的摩耗および拡散摩耗が増加し、工具寿命が短くなります。 たとえば、中程度の穴あけ長さのニッケル基超合金ブレードの荒穴あけと微細穴あけには、より多くの時間がかかります。 超合金の加工では、頻繁な工具の摩耗が加工効率を制限する直接的な要因であると考えられていますが、加工中の重度の加工硬化表面によって引き起こされる急激な温度上昇は、工具の摩耗を促進する主な要因です5。

Habeeb et al.6 によれば、熱誘発亀裂が、高い切削速度で工具が破損する主な原因でした。 これは、速い切削速度と大きな温度変化によってもたらされる高温により、エッジがかなりの量の熱衝撃を受ける結果として起こります7。 従来の穴あけ加工では、一般に、ドリルがワークピースに埋め込まれることにより切断ゾーンに熱が集中するため、いくつかの困難に直面しています。 切削温度は、ドリル穴の寸法精度、表面品質、工具寿命に直接影響します。 ロフティら。 1045 鋼にナノ流体微量潤滑の存在下で超音波補助穴あけ加工を使用したところ、超音波振動の印加による摩擦係数の減少により、穴あけ表面の摩耗モードが粘着性タイプから研磨性タイプに変化し、構築された表面が形成されることがわかりました。 - アップエッジが制限されるため、表面仕上げが向上します8、9。 ロフティら。 は、アルミニウム 7075 のワークピースのたわみの機械モデルを開発しました。超音波支援を使用した場合と超音波支援を使用しない場合のワークピースへの穴あけ加工が実行されました。 実験的アプローチと理論的アプローチの両方で、送り速度の増加によりワークピースのたわみが増加することがわかりました。 これは、送り動作10の影響を大きく受けた推力値の増加によるものです。 CBN や PCBN などの超硬切削工具は、ニッケル基超合金の加工効率の向上にある程度の役割を果たしていますが、アルミナ マトリックスや Si3N4 などのセラミック切削工具も依然として重要な役割を果たしています。 CBN工具は超硬工具と比較してインコネル718の加工が可能であることが分かりました。 現在、回転超音波加工 (RUM) は、セラミック、チタン、ガラスなどの複雑で強靱な構造材料の加工に使用できます11。図 3 は、RUM の加工方法を示しています。 金属結合ダイヤモンド砥粒を備えた回転コアドリルは超音波振動し、一定の送り速度または一定の力(圧力)でワークピースに向かって送り込まれます。 ドリルのコアを通してポンプで送り出されたクーラントは切り粉を洗い流し、ドリルの詰まりを防ぎ、ドリルを冷却します。 RUM プロセスには 2 つのメカニズムがあります。まず、超音波振動プロセスによって材料の除去が行われます。 次に、伝統的なダイヤモンド研磨プロセスを経ます。 RUM を加工するためのハンマリング、研磨、抽出プロセスが含まれます。

RUM のプロセス プリンシパル。

これまでに報告されている研究によると、Pei et al.11 はセラミック材料の RUM の研究を始めた最初の人物です。 RUM プロセスは、さまざまなプロセス パラメータでセラミックの穴あけ、研削、正面フライスなどのさまざまな操作に使用できます。 その後、Hu et al.12 によってジルコニアセラミックスが加速されています。 最大の材料除去率 (MRR) は定格電力 40 ~ 70% で達成されることがわかります。 2005 年に、Li ら 13 は 2 つの異なるセラミック複合材料の加工に RUM を採用しました。 Zeng ら 14 は、セラミック材料の超音波加工と RUM を比較しました。 RUM は超音波加工よりも優れた MRR を提供することが観察されています。 Zhang et al.15 は、K9 ガラスの機械加工に RUM を採用しました。 回転速度は生産性に大きな影響を与えないことがわかります。 Lv et al.16 は BK7 ガラスに RUM を使用しました。 RUM の表面下の損傷は、ガラスの研削、欠け、亀裂として区別されることが観察されます。 これに加えて、RUM17 を使用したチタン合金に関する多くの研究も行われています。 さらに、最適化技術の使用に関する研究はほとんど行われていません。 Cong et al.18 は、回転超音波加工における CFRP 材料の切削抵抗を予測するための実験設計手法を作成しました。 開発されたモデルは、入力変数、つまり工具振幅、工具回転速度、送り速度、砥粒メッシュサイズ、砥粒濃度に基づいて切削抵抗を予測できます。 Lui et al.19 は、RUM の穴あけプロセス中に穴の外側にあるマイクロチッピングを調査しました。 実験は、望ましさのアプローチを使用した応答曲面法に従って設計されています。 Teimuri ら 20 は、2 つの異なるツールを使用して、グレード I のチタン合金に対して超音波機械による実験を実施しました。 硬度 56 HRC の高炭素鋼 (HSC) と硬度 42 HRC のチタン (Ti) 合金。 回帰モデルでは多目的最適化手法が採用され、データを他のアルゴリズムと比較します。 結果は、実行時間と大域的最適化における目的関数の値の両方の場合において、ICA が他のアルゴリズムよりも優れていることを示しました。 本研究では、従来型と UAD の両方に適用できるワークのたわみの機構モデルを開発しました。

文献レビューから、これまでに報告された研究はセラミックス、チタン、ガラスのRUMに焦点を当てていたことが明らかになりました。 ニッケル基超合金材料の RUM に関する研究研究はほとんど報告されていません。 ニッケル基合金は、ジェット エンジンや原子炉構造の製造に広く応用されています 21、22、23。プロセス応答に対するパラメータの影響の評価とともに実験を設計することを目的とした応答曲面法 (RSM) の使用も行われています。これまでに実施されていない。 工具の「砥粒サイズ」と呼ばれるパラメータは、多数の被削材の RUM で実行される多くの調査を通じて省略されています。変数「超音波出力」は、非常に低いレベル (30 ~ 40%) で調査されています。過去の調査研究. したがって、より高い出力レベルでインコネル 718 の加工を公開する必要があります. 上記の議論を熟考するにあたり、この記事は、送り速度、主軸速度などのいくつかのプロセス要因の影響を調査することを目的としています。中央複合設計 (CCD) の形式で RSM を使用することにより、加工特性、つまり、インコネル 718 の RUM の MR および Ra に関する超音波パワー、砥粒サイズ、統計ツール「分散分析」(ANOVA) も使用されます。統計モデルの有効性を確認するために利用され、このアプローチによって開発された数理モデルは産業上の啓示に役立つでしょう PSO (粒子群最適化) による加工特性、つまり加工面の MR と Ra の最適化もまた、これまで例のないものでしたRUMに関する報告された研究では以前に試みられていました。 両方の加工応答を同時に最適化することで、実際の産業上の問題を解決しながら、この方法の適用可能性がさらに意味のあるものになります。 多重応答の最適化は、MOPSO アプローチを使用して MR と Ra を同時に最適化することが試みられています。 機械加工されたサンプルの走査型電子顕微鏡 (SEM) 分析が分析され、提示されています。

今回の研究では、被削材のインコネル 718 を試験対象として選択しました。 正方形シートの寸法は50×50×5mmです。 材料の特性を表 1 に示します。ワークピースの品質を保証するために、加工前に EDS テストが実行されます。 図 4a と b は EDS テストの結果を示しています。 ワークピースの穴あけには、インコネル 718 のメタルボンド ダイヤモンド コア ドリル ツールが使用されます。図 5 にダイヤモンド コア ドリル ツールの外観図を示します。 ダイヤモンド コア ドリル ツールの外径 (OD) と内径 (ID) は、それぞれ 8 mm と 6.5 mm に選択されます。

インコネル718のEDS分析。

作製したメタルボンドダイヤモンドコアドリルの写真図。

現在の研究では、RUM (Sonic-Mill Series 10-Sonic-Mill、米国ニューメキシコ州アルバカーキ) がインコネル 718 の掘削作業に使用されています。図 6 は、実験セットアップの写真を示しています。 最適な結果を見つけるために、ツールの回転、送り速度、出力定格、ダイヤモンドの砥粒サイズなどのプロセスパラメータの異なるレベルでさまざまな試行が実行されます。 表 2 は、本研究における入力加工パラメータのさまざまな値を示しています。 これに加えて、ツール直径 8 mm、振動周波数 21 kHz、振動振幅 25.3 ~ 25.8 μm、冷却剤圧力 300 kPa などの他のプロセス パラメーターは一定に保たれます。 さらに、熱と熱を除去するために、油と水の比率が 1:20 の希釈水溶性クーラント兼切削油 (Mobilmet S-122、Mobil Oil Corporation、米国バージニア州フェアファックス) が切削作業中に使用されます。加工途中の破片。

RUM の実験セットアップ。

実験は中央複合設計 (回転可能な設計) に従って設計されています。 設計に従って、合計 21 回の実験が実行されます。 表 3 は、現在の研究作業のための実験計画を表しています。 テストは 2 つの複製で実行されます。 観測値の平均値を表 4 に示します。

現在の研究では、応答パラメータとして加工速度 (MR) と表面粗さ (Ra) が考慮されています。 加工率は重量測定法より算出します。 この方法では、電子秤(±0.0002 g)を使用して、各実験の前後にワークピースの重量を計算します。 方程式 (1) は MR の計算に使用されます。 体積は、密度に質量を乗算して計算されます。 サンプルの表面粗さは粗さ計(メーカー:サーフコム、フレックス)を使用して算出します。

表 4 は、現在の研究の結果を示しています。 各入力値に対する 2 回の実験の MR と Ra の平均値を表します。 最大の MR は実験実行 1 で得られ、最小粗さは実験実行 12 で得られることが観察されます。不適合テスト、逐次モデル二乗和、モデル概要統計などの 3 つの基準が使用されます。 より良い結果を得るために、後方消去プロセスを使用してモデル内の重要でない項を消去します。 この消去プロセスは、二次モデルから非有意項を削除してモデル階層を保存することにより、モデルの適切性を高めます。

表 5 および表 6 に、後方消去処理後の結果の値を示します。 表 5 と表 6 から、すべての入力パラメーターが重要であることがわかります。 これに加えて、F 値と P 値もモデルの適切性を示します。 このモデルの F テーブル値は、モデルの平均二乗値を平均二乗残差値に分割することによって評価されます。 F 値は、モデル分散と残差分散の間の関係を定義します。 分散値がほぼ同じである場合、その割合はほぼ 1 に等しく、モデルはパフォーマンスに重要な影響を与えません。 MR と Ra のモデルで得られた F 値はそれぞれ 472.61 と 47.598 で、MR と Ra の両方の P 値は 0.05 未満です。 表 5 と 6 は、MR と Ra に関して得られたモデルが有意であることを示しています24。

R2は決定係数と呼ばれ、実験値と予測値の近さを表します。 1 に近い割合は、予測値に対して良好な実験値を示しました。 今回の研究で得られた MR と Ra の R2 値は、表 5 と表 6 に示すように、それぞれ 98.7% と 96.9% であることがわかりました。調整された R2、予測された R2 の適切な精度などのいくつかの特性も、モデルの妥当性。 実験値と予測値が健全に一致していることがわかります。 信号対雑音比(S/N)を表す「十分な精度」。 一般に、4 より大きい値が許容されます25。 ANOVA 表 5 と表 6 の両方において、個々のパラメーターだけでなく、対話形式で応答パラメーター (MR と Ra) にも影響を与えます。

図 7 は、標準残差確率曲線を表しており、残差が ± 3 制限内にあり、MR 直線と Ra 直線によって固定されていることを示しています。 図 8 は、推定されたモデル値が MR および Ra の実験値に忠実であることを示しています。 これは、ANOVA 表の結果が信頼できることを示しています。 式 (2) と (3) は、それぞれ MR と Ra の回帰モデルを表します。

残差プロット (a) MR および (b) Ra。

予測と実際の (a) MR および (b) Ra。

図 9 は、回転速度 (rpm)、送り速度 (mm/秒)、超音波出力定格 (%)、および砥粒サイズ (メッシュ) などのパラメータが加工速度に及ぼす影響を示しています。 図9aに示すように、回転速度はMRに大きな影響を与えないことが観察されます。 逆に、図9bに示すように、貫入速度の0.0125から0.0175mm/秒の変化に伴って、MRが0.5512から0.8525mm3/秒に大きく変化することが観察される。 これは、より高い送り速度での砥粒の深い溝形成に起因し、より高い MR が得られます。 図 9c は、MR に対する超音波出力の影響を示しています。 出力が 60% から 65% に増加すると、MR が 0.6965 mm3/秒から 0.7109 mm3/秒に増加することがわかります。 出力がさらに 70% 増加すると、MR は 0.7109 mm3/秒から 0.6937 mm3/秒に減少します。 得られた結果は、研究者による以前の研究と一致しています26、27。

MR に対する RUM パラメータの影響 (a) 回転速度、(b) 送り速度、(c) 超音波出力、(d) 砥粒サイズ。

ダイヤモンドのサイズが MR に及ぼす影響を図 9d に示します。 砥粒サイズは砥粒のメッシュ値に反比例します。 砥粒サイズが変化しても MR は大きく変化しないことが観察されます。 さらに、曲率は MR に対する砥粒サイズの影響でも観察されます。 加工速度を向上させる結合工具に使用されるダイヤモンドの粒径の目安です。 これは、研磨粒子がワークピースに深く食い込むためです28。

図 10a は、MR に対する相互作用の影響を示しています。 それは式から検証されます。 (2) MR にとって 2 つの相互作用が重要であることがわかります。 送り速度と工具回転数が高い領域で最大の MR が得られることがはっきりとわかります。 これは、ダイヤモンド砥粒の接触長さの増加に起因すると考えられます。 逆に、送り速度が低く工具回転速度が高い領域では最小の MR が観察されます。 これは、工具とワーク間の接触点が低いためです。 MRに対する超音波パワーと送り速度の間の相互作用効果を図10bに示します。 送り速度と超音波出力が最大となる領域で MR が最大になることが観察されます。 これは、超音波力の増加に伴う振動の増加により発生し、加工面から切り粉や破片を効率的に除去します。 一方、最小の MR は、より低い透過率と超音波出力で得られます。

相互作用効果の 3D 等高線プロット (a) 送り速度と工具回転 (b) 送り速度と MR の超音波出力。

図 11 は、加工表面に対するプロセス パラメータの影響を示しています。 図 11a は、Ra に対する工具回転速度の影響を示しています。 工具回転速度の増加とともに Ra が減少すると結論付けられます。 これは、回転速度の増加に伴う工具の単位時間当たりの研削作用の向上に起因すると考えられます。 表面粗さが向上するもう 1 つの理由は、表面上の微小亀裂の発生速度を減らすことです 29。 図 11b は、Ra に対する供給速度の影響を示しています。 侵入速度が 0.0125 mm/秒から 0.0175 mm/秒に増加すると、Ra が 0.676 μm から 0.938 μm に急激に増加することが観察されます。 この増加は、ワーク表面の微小亀裂の拡大によるものです。 Ra に対する超音波出力の影響を図 11c に示します。 超音波パワーの増加に伴ってRaが減少することがわかります。 この変化は重大なものではないと考えられます。 さらに、振幅の差が Ra に影響を与えないことも観察されます。 図 11d は、グリット サイズが 100 メッシュ サイズから 120 メッシュ サイズに増加すると、Ra が 0.861 μm から 0.807 μm に減少することを示しています。 逆に、グリットサイズが 120 メッシュから 140 メッシュに増加するにつれて、0.807 μm から 0.811 μm までわずかに増加します。 これは砥粒が粗大なため、破断率が向上します。 さらに、RUM プロセス中、ダイヤモンド粒子はホールキャビティ内で継続的に移動します。 顆粒のサイズが大きくなると、横方向の界面での摩擦力が増加し、この均一な横方向の磨耗によって生じる表面損傷に寄与します30。

Ra に対する RUM パラメータの影響 (a) 工具回転速度、(b) 送り速度、(c) 超音波出力、(d) 砥粒サイズ。

図 12 は、Ra に対する相互作用効果を示しています。 それは式から検証されます。 (3) Ra にとって 3 つの相互作用が重要であることが判明したこと。 図 12a は、超音波出力とツール回転速度の混合効果を示しています。 Raの最小値は、超音波パワーが最小でツール回転速度が最大となる領域で得られます。 これは、工具の研削パスが増加し、加工面が微細になるためです。 Raに対する送り速度と超音波出力の相互作用効果を図12bに示します。 最小 Ra 0.665 μm は、低い送り速度と低い超音波出力の領域で得られます。 これは、ワークピース上の砥粒ダイヤモンドの押し込み深さが浅くなるためです。 最大 Ra 0.965 は、送り速度が最大で超音波出力が最小の領域で見られます。 これは、ワーク表面上の砥粒の押し込み深さがより深いためです。 図 12c は、Ra に対する送り速度と砥粒サイズの影響を示しています。 図12cでは、Raの最小値、すなわち0.762μmが、低い送り速度および細かい粒度(140メッシュ)で得られることがはっきりとわかる。 これは、ワーク表面上のダイヤモンド粒子の押し込み深さが浅くなることに起因すると考えられます。 Ra の値は、すべての砥粒サイズにおいて、より高い送り速度で最大になります。 これは、粒子サイズが粗いものから細かいもの、つまり 0.9083 µm に変化したためです31。

3D 相互作用プロット効果 Ra (a) 工具回転と超音波パワー、(b) 送り速度と超音波パワー、(c) 送り速度とダイヤモンド砥粒サイズ。

SEM 装置は、図 13 に示すように、基材の表面、最大表面粗さの試験片 (実験実行 3、最小表面粗さの試験片 (実験実行 12)) を研究するために利用されます。これは、図 13a から明らかです。母材(インコネル 718)は微小な亀裂や溝がなく均一であるのに対して、機械加工面は表面に微小な亀裂や溝が存在しており、図 13b と図 13c は最大粗さ面の表面を示しています。図 13b に示すように、加工面には最大の表面粗さ、すなわち延性破壊と脆性破壊が観察され、また、図 13c に示すように、加工面には鋭いエッジ、深い穴、および微小亀裂も観察されます。工具の送り速度により、材料がより大きな塊として表面から除去されます。さらに、時には消耗したエッジも機械表面に観察されます。これは、粒界および粒内亀裂の拡大を示す脆性破壊の兆候です。 このようなタイプの表面は、プロセス中の工具の振動運動によって観察されます。 図 13d は、最小の表面粗さの機械加工された表面を示しています。 表面には小さな穴と深い研磨痕が見られます。 さらに、図13eに示すように、光学顕微鏡を使用して、加工されたワークピースのエッジ品質も分析されます。 クラックはなく、ドリル穴端部にバリが見られます。

(a) インコネル 718 (機械加工前)、(b) および (c) より高い表面粗さの試験片、(d) 最小の表面粗さの試験片、(e) 穴エッジの品質の顕微鏡写真。

「最適化」という言葉は、リソースを最大限に活用することを意味します。 現在の研究では、インコネル 718 の RUM プロセス パラメータの最適値を取得するために、メタヒューリスティック最適化手法、つまり粒子群最適化 (PSO) も使用されています。著者の最もよく知られている情報によると、Kennedy と Eberthart32 は 2006 年に PSO を導入しました。遺伝的アルゴリズムや差分進化などの進化的アルゴリズムを用いて最適化問題を解くことができる確率論的アルゴリズムです。また、この技術は鳥の群れや魚の群れなどの社会の食物探索行動を作り出すこともできます。 PSO の群れの各メンバーはパーティクルとみなされます。 探索空間内のすべての粒子は、潜在的な解決策を表します。 さらに、粒子から収集された情報は、グローバル ベスト (gbest) など、群れ内で最良の粒子を取得するために分類されます。

また、各粒子の位置は位置ベクトルや速度ベクトルなどのベクトルで定義されます。 d 次元探索空間における \(i^{th}\) 粒子の位置と速度ベクトルは、 \(x_{i} = \left( {x_{i1} , x_{i2} , ..., x_{id} } \right)\) および \(v_{i} = \left( {v_{i1} , v_{i2} , ..., v_{id} } \right)\)それぞれ。 各粒子の最適な位置は、ユーザー定義の適合関数、つまり \(p_{i} = \left( {p_{i1} , p_{i2} , ..., p_{id} } \right)\) によって異なります。 、pbest として示され、群れの完全なセット内で見つかった最も適した粒子は \(p_{g} = \left( {p_{g1} , p_{g2} , ..., p_{gd} } \right)\ です)、gbest と表記されます。 両方の値は、時間 (t) での最良の適合度の値に対応します。 式 4 と 5 は、時間 (t + 1) での次の適合性評価のための新しい位置と新しい速度ベクトルを計算するために使用されます。

ここで、\(rand_{1}\) と \(rand_{2}\) は (0, 1) の間にあるランダムな値、w は係数の慣性重みで、現在の速度における以前の速度の方向を与えるために使用されます。粒子速度、\(c_{1}\) は粒子自体の成功に向けた動きを示す認知学習因子であり、\(c_{2}\) は粒子が近傍の値に近づくことを示す社会学習因子を定義します。 一部の研究者は、\(c_{1}\) の範囲を (1.5 ~ 4)、\(c_{2}\) の範囲を (2 ~ 2.5) と提案しています。 図 14 は PSO 手法のフローチャートを表します。

粒子群最適化のフローチャート。

バイナリ コードは、PSO でパーティクルを生成するために使用されます。 バイナリ形式のパーティクルは、式 (1) を使用してデコードされます。 6. 精度は式で与えられます。 7。

ここで、 \(X_{i}\): RUM パラメータのデコードされた値。 \(X^{L}\): RUM パラメータの下限です。 \(X^{U}\): RUM パラメータの上限。 n: は部分文字列の長さ (= 4) です。 \(S_{i}\) は \(i^{th }\) 粒子のデコードされた値です

混雑距離は、オプションを上向きの目標値に分類するための重要な概念です。 これは、2 つの隣接する解値の平均です。 無限の混雑距離値は、最小および最大の目的関数値を持つ境界解に与えられるため、これらが選択されることがよくあります。 目的関数ごとに、このステップは完了します。 ソリューションの最終的な混雑距離値は、さまざまな混雑距離値をすべて各目的関数に適用することによって決定されます。 混雑距離のアルゴリズムは以下のとおりです。

図 15 は、多目的 PSO (MOPSO) のフローチャートを表しています。 MPSO のアルゴリズムを以下に示します。

MOPSOのフローチャート。

\(rand_{1}\) と \(rand_{2}\) は 0 から 1 までの乱数です。現在位置が限界を超えている場合、上限または下限が取られ、その速度はランダムに生成されます。 最後に、停止基準が満たされるまでステップ 2 ~ 5 を実行します。

現在の研究では、MR と Ra の両方の応答は設計上反対です。 これは、加工速度の値が大きいほど、表面粗さの値が大きいことを意味します。 より良い表面仕上げでより高い加工速度を達成するには、最適なパラメータ値を取得する必要があります。 加工速度と表面粗さのより良い値を見つけるために、単一および多目的 PSO が使用されます。 パラメータの下限値と上限値は、値が上限を超えないようにアルゴリズムで使用されます。 値を表 7 に示します。

開発された経験的モデル [Eq. (2)] は PSO 技術の実装に利用されます。 図 16 は、経験的モデルで PSO 手法を採用した後の各反復での MR の値を示しています。 連続した反復の後、PSO は工具回転 5400 rpm のパラメーターの組み合わせで MR の最大値 (0.8931 mm3/秒) を示します。 送り速度 - 0.0175 mm/秒; 超音波出力-70%; ダイヤモンド砥粒の粒度 - 140 メッシュを表 8 に示します。

MR の反復プロット。

Ra のより低い値を予測するために、PSO では経験モデル (式 3) が使用されます。 PSO テクニック中の各反復の Ra の予測値を図 17 に示します。連続反復の後、PSO は、ツール回転 5400 rpm、5400 rpm のパラメーターの組み合わせで Ra の最小値 (0.554 μm) を示します。 送り速度 - 0.0125 mm/秒; 超音波パワー - 60%; ダイヤモンド砥粒の粒度 - 140 メッシュを表 9 に示します。

Ra の反復プロット。

これらの結果を検証するために、RUM で 2 つの複製を使用して確認テストを実行し、確認実験結果 (MR および Ra について) の予測値と平均値も表 9 に示します。MR と Ra についての確認結果は異なることが判明しました。予測値からそれぞれ 3.42% および 3.14% 減少しており、これらは 95% 信頼区間 (CI) 内にあります。

多目的進化アルゴリズムは、多目的最小化問題のパレート フロントを生成します。これにより、矛盾する目的間のトレードオフの解決策を見つけることができます。 パレート フロントは、各目標が同等に優れているとみなされる、非支配的なソリューションのセットとして定義されます。 問題は、パレート フロント多目的最適化問題の観点から表現できます。 この観点から、2 つの解 s と s' が与えられた場合、関連性 (s') > 関連性 (s) および |s'| の場合に限り、s' が s よりも優位になります。 <|s|。 ただし、関連性 (s') > 関連性 (s) の場合は、|s'| となります。 >|s|、どちらの解も他方を支配することはできません。 すべての非支配的な解の集合は、パレート フロントと呼ばれる曲面を構成します。 パレート フロントは、両方の基準においてより良い解が存在しない解で構成されます。 選択問題にパレート フロント最適化を使用すると、目的の重要性について先験的な仮定は必要ありません 33 。

混雑距離ベースの MOPSO アルゴリズム (「粒子群の最適化による最適化」セクション) も、MR および Ra のプロセス パラメーターの最適化された値を取得するために使用されます。 式に基づく経験的モデル。 (2) と (3) は両方とも、MOPSO を使用してプロセス パラメーターの最適化された値を取得するために使用されます。 目的関数 MR および Ra のパレート フロントを図 18 に示します。パレート フロントはすべてのパレート効率解のセットです。 多目的最適化では、表 10 に示すように多数の解が生成されます。これらの解は、最適化されたプロセス パラメーターでの MR の最大値と Ra の最小値を取得するためのプロセス パラメーターの最適値を取得するために使用されます。 MOPSO によって得られた結果を確認し、最適化手法 (MOPSO) の有効性を確認するために、いくつかの確認テスト (Sr no. 1 および 2) がワークピースに対して実行されます。表 11 は、MR および最適化手法 (MOPSO) の確認結果を示しています。 Ra は予測値とそれぞれ 3.46% および 4.5% 異なることが判明しており、これらは 95% 信頼区間 (CI) 内にあります。

目的関数 MR および Ra のパレート フロント。

本研究では、PSO および MOPSO を使用して最適化されたプロセス パラメータを取得するために、さまざまなプロセス パラメータで超合金 (インコネル 718) の機械加工 (穴あけ) に RUM が使用されます。 本研究から次の結論が導き出されます。

経験的モデルは、MR と Ra の両方について本質的に二次関数であることが観察されます。 さらに、MR では 2 つの相互作用が重要であることがわかり、Ra では 3 つの相互作用が重要であることがわかります。

送り速度が増加すると MR の値は増加しますが、送り速度が増加すると表面粗さは減少します。 工具の食い込み率の向上によるものです。 逆に、メッシュ サイズが小さくなると MR は減少しますが、メッシュ サイズが小さくなると表面仕上げは増加します。

ツールの回転速度と超音波出力は、Ra と比較して MR に大きな影響を与えないと結論付けられます。

SEM 分析により、材料が大きな塊と結晶間亀裂の形でワークピースから取り出されることが確認されます。

0.8625mm 3 /秒のMRの最大値は、5400rpmの工具速度、0.0175mm/秒の送り速度、70%の超音波パワー、および140メッシュのダイヤモンド砥粒サイズで得られる。 最小 Ra 0.572 μm は、工具速度 5400 rpm、送り速度 0.0125 mm/s、超音波出力 60%、ダイヤモンド砥粒サイズ 140 メッシュで観察されます。

MOPSOの場合、MRの最大値とRaの最小値を得るために、プロセスパラメータを最適に設定して多数の解を生成します。

著者らは、この研究の結果を裏付けるデータが論文[および/または]その補足資料内で入手可能であることを確認しています。

Pollock, TM & Tin, S. 高度なタービン エンジン用のニッケル基超合金: 化学、微細構造、および特性。 J.Propul. パワー https://doi.org/10.2514/1.18239 (2006)。

記事 Google Scholar

Shifler, D. 先進的な高温材料に影響を与える要因を理解するための今後の研究の方向性。 第 1 回国防総省腐食会議議事録、(2009)。

Hanasaki, S.、Fujiwara, J.、Touge, M.、Hasekawa, Y.、上原, K. 高ニッケル合金を加工する際のコーティングされた工具の工具摩耗。 CIRPアン。 メーカーテクノロジー。 https://doi.org/10.1016/S0007-8506(07)61006-3 (1990)。

記事 Google Scholar

Ulutan, D. & Ozel, T. チタンおよびニッケル合金の機械加工による表面完全性: レビュー。 内部。 J.マッハ。 ツール Manuf 51(3)、250–280。 https://doi.org/10.1016/j.ijmachtools.2010.11.003 (2011)。

記事 Google Scholar

Tan、MT 純ニッケルの NC 旋削における工具の溝摩耗 (1986)。

Habeeb, HH、Abou-El-Ho, KA、Mohamad, B.、Ghani, JA & Kadirgama, K. さまざまな切削工具を使用してニッケル合金 242 を機械加工する際の工具摩耗、工具寿命、および表面粗さの調査。 アジアの J. Sci. 解像度 https://doi.org/10.3923/ajsr.2008.222.230 (2008)。

記事 Google Scholar

Bhatia、SM、Pandey、PC、Shan、HS 断続切削中の超硬工具の熱亀裂。 https://doi.org/10.1016/0043-1648(78)90260-0 (1978) を着用してください。

記事 Google Scholar

Lotfi、M.、Amini、S.、Teimouri、R.、Alinaghian、M. AISI 1045 鋼の穴あけ加工におけるビルトアップエッジのリダクション。 メーター。 メーカープロセス 32(6)、623 ~ 630。 https://doi.org/10.1080/10426914.2016.1221104 (2017)。

記事 CAS Google Scholar

Teimuri, R.、Amini, S.、Lotfi, M.、Alinaghian, M. 最小限のエネルギー消費と望ましい作業品質に関する 1045 鋼板の持続可能な穴あけプロセス。 内部。 J.ライトウェイトメーター。 メーカー 2(4)、397–406。 https://doi.org/10.1016/j.ijlmm.2019.04.011 (2019)。

記事 Google Scholar

Teimuri, R. & Amini, S. 超音波支援穿孔プロセスにおける薄ストリップの弾性たわみを研究するための分析的および実験的アプローチ。 手順研究所メカ。 工学パート E J. プロセス メカ。 工学 233(1)、21–34。 https://doi.org/10.1177/0954408917739453 (2019)。

記事 Google Scholar

Pei、ZJ、Ferreira、PM、Kapoor、SG、Haselkorn、M. セラミックの正面フライス加工用の回転式超音波加工。 内部。 J.マッハ。 ツール製造会社 35(7)、1033–1046 (1995)。

記事 Google Scholar

Hu, P.、Zhang, JM、Pei, ZJ & Treadwell, C. 回転超音波加工における材料除去速度のモデリング: 計画された実験。 J. メーター。 プロセステクノロジー。 129(1–3)、339–344 (2002)。

記事 CAS Google Scholar

Li、ZC、Jiao、Y.、Deines、TW、Pei、ZJ & Treadwell、C. セラミックマトリックス複合材料の回転超音波加工: 実現可能性の研究と計画された実験。 内部。 J.マッハ。 ツール製造会社 45(12–13)、1402–1411 (2005)。

記事 Google Scholar

Zeng、W. et al. 間欠回転超音波加工の実験的検討。 キーエンジニアリングメーター。 359~360、425~430。 https://doi.org/10.4028/www.scientific.net/KEM.359-360.425 (2008)。

記事 Google Scholar

Zhang、CL、Feng、PF、Wu、ZJ、Yu、DW K9 ガラスの回転超音波穴あけの加工性能に関する実験的研究。 上級メーター。 解像度 230–232、221–225 (2011)。

記事 Google Scholar

Lv, D.、Tang, Y.、Wang, H. & Huang, Y. ガラス BK7 の回転超音波加工における表面下の損傷に関する実験的研究。 マッハ。 科学。 テクノロジー。 17(3)、443–463 (2013)。

記事 CAS Google Scholar

ニュージャージー州チュリ、ZJ ペイ、C. トレッドウェル。チタン合金の回転超音波加工: 加工変数の影響。 マッハ。 科学。 テクノロジー。 10(3)、301–321 (2006)。

記事 Google Scholar

Cong, WL, Pei, ZJ, Sun, X. & Zhang, CL CFRP の回転超音波加工: 切削抵抗の機構予測モデル。 超音波 54(2)、663–675。 https://doi.org/10.1016/j.ultras.2013.09.005 (2014)。

記事 CAS Google Scholar

Liu、JW、Baek、DK、Ko、TJ 回転超音波加工によるセラミック材料の穴あけにおけるチッピングの最小化。 内部。 J.Adv. メーカーテクノロジー。 72(9–12)、1527–1535。 https://doi.org/10.1007/s00170-014-5766-y (2014)。

記事 Google Scholar

Teimuri, R.、Baseri, H.、Moharami, R. 超音波加工プロセスの複数応答の最適化。 J.インテル. メーカー 26(4)、745–753。 https://doi.org/10.1007/s10845-013-0831-1 (2015)。

記事 Google Scholar

Thakur, A. & Gangopadhyay, S. ニッケル基超合金の機械加工における表面完全性における最先端技術。 内部。 J.マッハ。 ツール製造会社 100、25~54。 https://doi.org/10.1016/j.ijmachtools.2015.10.001 (2016)。

記事 Google Scholar

Popli, D. & Gupta, M. 回転超音波加工におけるプロセスパラメータの範囲を選択するための一連の手順。 内部。 J.マニュフ. 解像度 12(3)、364–378 (2017)。

記事 Google Scholar

Miller, S. 先進的な材料は先進的なエンジンを意味します。 学際的。 科学。 改訂版 https://doi.org/10.1179/isr.1996.21.2.117 (1996)。

記事 Google Scholar

Verma, S.、Gupta, M.、Misra, JP 望ましさのアプローチを使用した、装甲海洋グレードのアルミニウム合金の摩擦撹拌溶接におけるプロセス パラメーターの最適化。 メーター。 解像度エクスプレス https://doi.org/10.1088/2053-1591/aaea01 (2019)。

記事 Google Scholar

ニュージャージー州チュリ、ZJ ペイ、C. トレッドウェル、チタン合金 (Ti-6Al-4V) の回転超音波加工: 工具変数の影響。 内部。 J.Precis. テクノロジー。 1(1)、85–96 (2007)。

記事 Google Scholar

Jiao, Y.、Liu, WJ、Pei、ZJ、Xin、XJ、Treadwell, C. セラミックスの回転超音波加工におけるエッジチッピングに関する研究: 計画された実験と有限要素法解析の統合。 J.マニュフ. 科学。 工学 127(4)、752。https://doi.org/10.1115/1.2034511 (2005)。

記事 Google Scholar

ニュージャージー州チュリ、ZJ ペイ、ショーター DC および C. トレッドウェル。炭化ケイ素の回転超音波加工: 計画された実験。 内部。 J.マニュフ. テクノロジー。 管理。 12(1/2/3)、284–298。 https://doi.org/10.1504/IJMTM.2007.014154 (2007)。

記事 Google Scholar

ペイ、ZJ およびフェレイラ、PM 回転超音波加工における延性モード材料除去のモデリング。 内部。 J.マッハ。 ツール製造会社 38、1399–1418。 https://doi.org/10.1016/S0890-6955(98)00007-8 (1998)。

記事 Google Scholar

Singh, RP & Singhal, S. 先端材料の回転超音波加工: レビュー。 内部。 J.Technol. 解像度工学 (IJTRE) 2(7)、777–785。 https://doi.org/10.1080/10426914.2016.1140188 (2015)。

記事 CAS Google Scholar

Singh, RP & Singhal, S. 石英セラミックの回転超音波加工における加工特性の実験的研究。 J. メーター。 デス。 応用 https://doi.org/10.1177/1464420716653422 (2016)。

記事 Google Scholar

Fernando、PKSC、Zhang、M.、および Pei、Z. 岩石の回転超音波加工: 実験的研究。 上級メカ。 工学 https://doi.org/10.1177/1687814018763178 (2018)。

記事 Google Scholar

Bratton, D.、Kennedy, J. 粒子群最適化の標準を定義。 Swarm Intelligence シンポジウム (2007) にて。

Mohanty, R.、Suman, S.、Das, SK 多目的特徴選択、関数ネットワーク、および多変量適応回帰スプラインを使用して、ボーリング杭の軸方向能力をモデル化します。 Handbook of Neural Computation、295–309 (Elsevier Inc.、2017)、https://doi.org/10.1016/B978-0-12-811318-9.00016-8。

リファレンスをダウンロードする

インド、ハリヤナ州グルグラム、ゴエンカ大学、GD

ディペシュ・ポプリ

マナブ・ラクナ国際研究所(大学とみなされます)、ファリーダーバード、ハリヤナ州、インド

ウシャ・バトラ

機械工学部、ケープ半島工科大学、ケープタウン 7535、西ケープ、南アフリカ

ムソミさんはどこから来たのですか?

MMEC、マハリシ・マルケンデシュワール大学、インド、ハリヤナ州ムラーナ

シャバム・ヴェルマ

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

研究の構想と設計: DP、UB、VM、SV。 データの取得: DP、UB、VM、SV。 データの分析および/または解釈: DP、UB、VM、SV。 原稿の草案と執筆: DP、UB、VM、SV

Velaphi Msomi または Shubham Verma への通信。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Popli、D.、Batra、U.、Msomi、V. 他。 RUM プロセス パラメーターの最適化とニッケル 718 の部品特性に対するそれらの影響に関する系統的な調査。Sci Rep 13、1716 (2023)。 https://doi.org/10.1038/s41598-023-28674-1

引用をダウンロード

受信日: 2022 年 9 月 20 日

受理日: 2023 年 1 月 23 日

発行日: 2023 年 1 月 31 日

DOI: https://doi.org/10.1038/s41598-023-28674-1

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

科学レポート (2023)

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。