钛合金加工的"参数密码"：让难啃的硬骨头变温顺

　　0、引言

　　钛合金因其优异的比强度、比刚度、耐热性、抗疲劳和抗腐蚀能力，在多个领域得到广泛应用。然而，钛合金加工困难，导热系数小、比热小、弹性模量低、化学活性强。铣削力和材料去除率是影响加工效率、质量及能耗的关键因素。为解决材料去除率与铣削力的矛盾，需进行多目标优化。国内外学者对钛合金加工进行了大量研究，涉及磨削力预测、表面波纹度优化、表面变质层研究等。本文以TC4钛合金为研究对象，设计正交实验，基于极差分析找出铣削参数对铣削力和材料去除率的影响规律。采用灰色关联分析法和粒子群优化算法进行参数优化，建立铣削力与铣削参数的二阶多项式数学模型，为PSO优化做准备。最后对优化结果进行实验验证与比较，选择最佳优化方法。

　　1、实验条件和方法

　　介绍了TC4钛合金薄壁件的铣削加工实验条件和方法。实验对象为特定尺寸的TC4钛合金薄壁件。实验中使用专用夹具固定工件，采用大连三垒SVW80C-3D五轴加工中心和YG8-4B-R3.0硬质合金球头铣刀进行加工，Kistler测力仪采集铣削力。实验采用正交实验方法，设计四因素四水平正交实验，探究铣削速度、每齿进给量、铣削深度和铣削宽度对铣削力和材料去除率的影响，以寻求最佳参数组合。

图1铣削实验

Fig.1 Milling experiments

　　2、实验结果及讨论

　　通过数据处理，从测力仪采集的数据中提取X、Y和Z方向的铣削力数值，并计算合力F和材料去除率MRR。实验结果表明，铣削速度与合力F呈负相关，而每齿进给量、铣削深度和铣削宽度与合力F呈正相关，影响程度依次为铣削深度、每齿进给量、铣削宽度、铣削速度。材料去除率MRR随每齿进给量、铣削深度和铣削宽度增大而增大，而铣削速度对MRR的影响先减小后增大，影响程度依次为铣削宽度、铣削深度、每齿进给量、铣削速度。

图2各铣削参数对铣削合力F的影响

Fig.2 Influence of various milling parameters on milling resultant force F

　　3、铣削参数优化

　　介绍了TC4钛合金材料铣削加工参数优化的方法。首先，基于灰色关联分析（GRA）进行参数优化，将多目标优化问题转化为单目标问题，通过计算信噪比、数据归一化、灰色关联系数和加权灰色关联度，确定最佳切削参数水平。其次，基于粒子群优化（PSO）算法进行参数优化，建立铣削力预测模型，采用逐步回归方法建立二阶多项式数学模型，并通过F检验和方差分析验证模型的显著性。最后，利用PSO算法对优化模型进行优化，得到最优参数组合。研究表明，铣削深度、每齿进给量、铣削宽度和铣削速度对铣削力和材料去除率的组合影响大小依次递减，通过正交实验和灰色关联度分析，得到最优解为铣削速度60、每齿进给量0.04、铣削宽度10、铣削深度1，其加权灰色关联度最大，为1。

图3铣削力F预测值与实验值对比

Fig.3 Comparison of predicted and experimental values of milling force F

图4 PSO算法流程图

Fig.4 Flow chart of PSO algorithms

　　4、实验验证

　　实验验证了铣削力预测模型的准确性和两种参数优化方法的有效性。基于GRA优化得到的最优参数组合为vc=60m/min、fz=0.04mm/z、ap=10mm、ae=1，实验验证铣削力F实验值为196.573N，MRR为5092.96mm3/min，预测值与实验值相对误差为0.3%。基于PSO优化得到的最优参数组合为vc=120m/min、fz=0.04mm/z、ap=10mm、ae=1，实验验证铣削力F实验值为147.121N，MRR为10185.92mm3/min，预测值与实验值相对误差为1.3%。两种方法的预测值与实验值相对误差均低于2%，说明预测模型准确实用。基于PSO优化得到的铣削力更小、MRR更大，因此PSO优化效果更好。

　　5、结论

　　采用正交实验方法研究TC4钛合金薄壁件铣削，发现铣削速度与铣削合力负相关，其他参数正相关，显著性顺序为铣削深度>每齿进给量>铣削宽度>铣削速度。每齿进给量、铣削深度和铣削宽度对材料去除率正相关，铣削速度先减后增，显著性顺序为铣削宽度>铣削深度>每齿进给量>铣削速度。Python回归分析得到铣削力预测模型，ANOVA分析显示模型显著，平均误差3.75%，最大误差低于11%。灰色关联分析法和粒子群优化算法优化铣削参数，粒子群算法得到的参数组合使铣削力更小、材料去除率更大，优化效果更好。