不同工具电极材料对短电弧铣削加工GH4169的影响研究

在短电弧铣削过程中,电极材料直接影响工件表面质量、电极损耗及尺寸精度等。选取石墨、紫铜、碳钢、铝4种工具电极材料,在同一电参数下,通过实验分析4种电极材料对镍基高温合金GH4169工件的影响规律,包括表面宏观质量、极间电压-电流波形、电极放电性能、表面形貌、化学成分、显微硬度等,结果发现石墨电极材料更适合短电弧铣削加工。

电极材料对GH4169短电弧铣削加工性能影响的实验研究

采用石墨、钨铜合金电极进行镍基高温合金GH4169短电弧铣削加工实验(SEAM),研究电极材料对短电弧铣削加工性能的影响规律,寻求加工性能最佳的工具电极。分析工件蚀除速率(MRR)、相对电极损耗比(TWR)与电极材料物理特性和放电参数间的相互影响关系。借助SUPRATM55VP扫描电镜观察工件表面形貌,HXD-1000TB视屏显示维氏显微硬度仪测定加工后工件显微硬度,研究工具电极材料对加工后工件表面完整性影响规律。实验结果表明:钨铜合金电极具有较好的放电加工性能,其工件蚀除速率比石墨提高22%,最小相对电极损耗不足1%,工件表面裂纹宽度和显微硬度较低,故钨铜合金电极是适合短电弧铣削加工的良好电极。

基于L-M算法的BP神经网络预测短电弧加工表面质量模型

短电弧铣削加工技术属于特种加工行业中电加工的技术范畴,尤其适用于特硬、超强、高韧性等难加工材料的高效加工。但工件加工表面的技术特性(表面变质层、硬度、残余应力、表面层缺陷等)还有待于深入研究。为获得短电弧铣削加工良好的工艺效果,引入传统BP算法和Levenberg-Marquardt(简称L-M)算法,构建短电弧铣削加工表面质量模型。通过分析表面质量的影响因素,选取放电电压、频率、气压、脉冲时间为模型的输入,表面粗糙度、变质层厚度、工件材料去除率为输出,比较两种模型的预测精度。结果表明,基于L-M算法的BP神经网络对表面粗糙度、变质层厚度、材料去除率的平均预测误差分别为2.9%、9.4%、4.6%,低于传统的BP神经网络。相比传统的BP神经网络,改进的LM-BP神经网络模型提高了预测精度,实际工程中可用于优化工艺参数。