Исследование электроэрозионной обработки криогенно обработанных бериллиево-медных сплавов (BeCu)

Обложка

Цитировать

Полный текст

Аннотация

Введение. В современном производственном мире отрасли промышленности должны внедрять технологические достижения для прецизионной обработки труднообрабатываемых металлов, особенно для бериллиево-медных сплавов (BeCu). Электроэрозионная обработка сплавов доказала свою жизнеспособность. Цель работы. Обзор литературы показал, что исследование электроэрозионной обработки BeCu-сплавов все еще находится в зачаточном состоянии. Кроме того, криогенная обработка заготовок и электродов при электроэрозионной обработке не привлекла особого внимания исследователей. Более того, в исследованиях очень мало внимания уделено влиянию магнитной индукции на целостность поверхности и производительность во время электроэрозионной обработки. Методы исследования. В данной статье описывается использование электролитической меди с различными значениями тока в межэлектродном зазоре, периодами импульса и величиной магнитной индукции при электроэрозионной обработке BeCu-сплавов. В статье рассматривается, как криогенная обработка заготовки и инструмента, время импульса, ток в межэлектродном зазоре и величина магнитной индукции влияют на скорость съема материала, толщину белого слоя и образование поверхностных трещин. Результаты и обсуждение. Комбинация криогенно обработанной детали из BeCu-сплава и необработанного медного электрода имела самую высокую скорость съема материала среди всех комбинаций деталей и инструментов, использованных в этом исследовании. Время импульса и величина магнитной индукции мало влияли на скорость съема материала, тогда как наибольший эффект имел ток в межэлектродном зазоре. Максимально достигнутая скорость съема материала составила 11,807 мм3/мин. При высокой скорости съема материала наблюдаемая толщина белого слоя на горизонтальной поверхности колебалась в диапазоне 12,92–14,24 мкм. Таким же образом были определены максимальное и минимальное значения для вертикальной поверхности, равные 15,58 и 11,67 мкм соответственно. По данным сканирующей электронной микроскопии толщина слоя составляла менее 20 мкм, а в образцах с низкой, средней и высокой скоростью съема материала наблюдались едва заметные поверхностные трещины. Очевидно, что из-за криогенной обработки заготовки и внешнего магнитного поля наблюдалось незначительное растрескивание поверхности и образование белого слоя.

Об авторах

Д. Савант

Email: dhruv.sawant.btech2022@sitpune.edu.in
ORCID iD: 0009-0009-9543-690X
Технологический институт симбиоза, Пуне – 412115, штат Махараштра, Индия, dhruv.sawant.btech2022@sitpune.edu.in

Р. Булах

Email: rujuta.bulakh.btech2022@sitpune.edu.in
ORCID iD: 0009-0000-4594-3385
Технологический институт симбиоза, Пуне – 412115, штат Махараштра, Индия, rujuta.bulakh.btech2022@sitpune.edu.in

В. Джатти

Email: vijaykumar.jatti@sitpune.edu.in
ORCID iD: 0000-0001-7949-2551
Технологический институт симбиоза, Пуне – 412115, штат Махараштра, Индия, vijaykumar.jatti@sitpune.edu.in

С. Чинчаникар

Email: satish091172@gmail.com
ORCID iD: 0000-0002-4175-3098
доктор техн наук, профессор, Институт информационных технологий Вишвакармы, Кондва (Бадрек), Пуне – 411039, Махараштра, Индия, satish091172@gmail.com

А. Мишра

Email: akshansh.mishra@mail.polimi.it
ORCID iD: 0000-0003-4939-359X
Школа промышленной и информационной инженерии, Миланский политехнический университет, ул. Леонарда, 22, г. Милан, 20127, Италия, akshansh.mishra@mail.polimi.it

Э. М. Сефене

Email: eyobsmart27@gmail.com
ORCID iD: 0000-0003-4660-6262
канд. техн. наук, доцент, 1. Национальный Тайваньский университет науки и технологий, 43 Килунг Роуд, г. Тайбэй, 106335, Тайвань; 2. Технологический институт Бахир Дар, г. Бахир Дар, штат Амхара, Эфиопия, eyobsmart27@gmail.com

Список литературы

  1. Machining parameter optimization and experimental investigations of nano-graphene mixed electrical discharge machining of nitinol shape memory alloy / J. Vora, S. Khanna, R. Chaudhari, V.K. Patel, S. Paneliya, D.Y. Pimenov, K. Giasin, C. Prakash // Journal of Materials Research and Technology. – 2022. – Vol. 19. – P. 653–668. – doi: 10.1016/j.jmrt.2022.05.076.
  2. Ak?nc?oglu S. Taguchi optimization of multiple performance characteristics in the electrical discharge machining of the TiGr2 // Facta Universitatis. Series: Mechanical Engineering. – 2022. – Vol. 20 (2). – P. 237–253. – doi: 10.22190/FUME201230028A.
  3. Optimization of hydroxyapatite powder mixed electric discharge machining process to improve modified surface features of 316L stainless steel / M. Danish, M. Al-Amin, A.M. Abdul-Rani, S. Rubaiee, A. Ahmed, F.T. Zohura, R. Ahmed, M.B. Yildirim // Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering. – 2023. – Vol. 237 (3). – P. 881–895. – doi: 10.1177/09544089221111584.
  4. Kam M., Ipekçi A., Argun K. Experimental investigation and optimization of machining parameters of deep cryogenically treated and tempered steels in electrical discharge machining process // Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering. – 2022. – Vol. 236 (5). – P. 1927–1935. – doi: 10.1177/09544089221078133.
  5. Study of various optimization techniques for electric discharge machining and electrochemical machining processes / N. Gautam, A. Goyal, S.S. Sharma, A.D. Oza, R. Kumar // Materials Today: Proceedings. – 2022. – Vol. 57. – P.615–621. – doi: 10.1016/j.matpr.2022.02.005.
  6. Shukla S.K., Priyadarshini A. Application of machine learning techniques for multi objective optimization of response variables in wire cut electro discharge machining operation // Materials Science Forum. – 2019. – Vol. 969. – P. 800–806. – doi: 10.4028/ href='www.scientific.net/MSF.969.800' target='_blank'>www.scientific.net/MSF.969.800.
  7. Kumar Vin., Kumar Vik., Jangra K.K. An experimental analysis and optimization of machining rate and surface characteristics in WEDM of Monel-400 using RSM and desirability approach // Journal of Industrial Engineering International. – 2015. – Vol. 11 (3). – P. 297–307. – doi: 10.1007/s40092-015-0103-0.
  8. Kumar S.V., Kumar M.P. Optimization of cryogenic cooled EDM process parameters using grey relational analysis // Journal of Mechanical Science and Technology. – 2014. – Vol. 28. – P. 3777–3784. – doi: 10.1007/s12206-014-0840-9.
  9. Gangele A., Mishra A. Surface roughness optimization during machining of niti shape memory alloy by EDM through Taguchi’;s technique // Materials Today: Proceedings. – 2020. – Vol. 29. – P. 343–347. – doi: 10.1016/j.matpr.2020.07.287.
  10. Machine learning for predictive modeling in management of operations of EDM equipment product / I. Ghosh, M. Sanyal, R. Jana, P.K. Dan // 2016 Second International Conference on Research in Computational Intelligence and Communication Networks (ICRCICN). – IEEE, 2016. – P. 169–174. – doi: 10.1109/ICRCICN.2016.7813651.
  11. Surface roughness prediction of machined aluminum alloy with wire electrical discharge machining by different machine learning algorithms / M. Ulas, O. Aydur, T. Gurgenc, C. Ozel // Journal of Materials Research and Technology. – 2020. – Vol. 9 (6). – P. 12512–12524. – doi: 10.1016/j.jmrt.2020.08.098.
  12. Kumar N.A., Babu A.S. Influence of input parameters on the near-dry WEDM of Monel alloy // Materials and Manufacturing Processes. – 2018. – Vol. 33 (1). – P. 85–92. – doi: 10.1080/10426914.2017.1279297.
  13. Shape memory effect and superelasticity of titanium nickelide alloys implanted with high ion doses / A. Pogrebnjak, S. Bratushka, V.M. Beresnev, N. Levintant-Zayonts // Russian Chemical Reviews. – 2013. – Vol. 82 (12). – P. 1135. – doi: 10.1070/RC2013v082n12ABEH004344.
  14. Progress in modeling of electrical discharge machining process / W. Ming, S. Zhang, G. Zhang, J. Du, J. Ma, W. He, C. Cao, K. Liu // International Journal of Heat and Mass Transfer. – 2022. – Vol. 187. – P. 122563. – doi: 10.1016/j.ijheatmasstransfer.2022.122563.
  15. Reviewing performance measures of the die-sinking electrical discharge machining process: challenges and future scopes / R.K. Shastri, C.P. Mohanty, S. Dash, K.M.P. Gopal, A.R. Annamalai, C.P. Jen // Nanomaterials. – 2022. – Vol. 12 (3). – P. 384. – doi: 10.3390/nano12030384.
  16. Boopathi S. An extensive review on sustainable developments of dry and near-dry electrical discharge machining processes // Journal of Manufacturing Science and Engineering. – 2022. – Vol. 144 (5). – P. 050801. – doi: 10.1115/1.4052527.
  17. The effect of EDM die-sinking parameters on material removal rate of beryllium copper using full factorial method / M.A. Ali, M. Samsul, N.I. Hussein, M. Rizal, R. Izamshah, M. Hadzley, M.S. Kasim, M.A. Sulaiman, S. Sivarao // Middle-East Journal of Scientific Research. – 2013. – Vol. 16 (1). – P. 44–50. – doi: 10.5829/idosi.mejsr.2013.16.01.2249.
  18. Influence of machining parameters on electro discharge machining of NiTi shape memory alloys / S. Daneshmand, E.F. Kahrizi, E. Abedi, M.M. Abdolhosseini // International Journal of Electrochemical Science. – 2013. – Vol. 8 (30). – P. 3095–3104. – doi: 10.1016/S1452-3981(23)14376-8.
  19. Effect of tool rotational and Al2O3 powder in electro discharge machining characteristics of NiTi-60 shape memory alloy / S. Daneshmand, V. Monfared, A.A. Lotfi Neyestanak // Silicon. – 2017. – Vol. 9 (2). – P. 273–283. – doi: 10.1007/s12633-016-9412-1.
  20. Baroi B.K., Jagadish, Patowari P.K. A review on sustainability, health, and safety issues of electrical discharge machining // Journal of the Brazilian Society of Mechanical Sciences and Engineering. – 2022. – Vol. 44 (2). – P. 59. – doi: 10.1007/s40430-021-03351-4.
  21. Influences of cryogenically treated work material on near-dry wire-cut electrical discharge machining process / E. Kannan, Y. Trabelsi, S. Boopathi, S. Alagesan // Surface Topography: Metrology and Properties. – 2022. – Vol. 10 (1). – P. 015027. – doi: 10.1088/2051-672X/ac53e1.
  22. Abdulkareem S., Khan A.A., Konneh M. Reducing electrode wear ratio using cryogenic cooling during electrical discharge machining // The International Journal of Advanced Manufacturing Technology. – 2009. – Vol. 45. – P. 1146–1151. – doi: 10.1007/s00170-009-2060-5.
  23. Gill S.S., Singh J. Effect of deep cryogenic treatment on machinability of titanium alloy (Ti-6246) in electric discharge drilling // Materials and Manufacturing Processes. – 2010. – Vol. 25 (6). – P. 378–385. – doi: 10.1080/10426910903179914.
  24. Srivastava V., Pandey P.M. Performance evaluation of electrical discharge machining (EDM) process using cryogenically cooled electrode // Materials and Manufacturing Processes. – 2012. – Vol. 27 (6). – P. 683–688. – doi: 10.1080/10426914.2011.602790.
  25. The effects of cold and cryogenic treatments on the machinability of beryllium-copper alloy in electro discharge machining / Y. Yildiz, M. Sundaram, K. Rajurkar, M. Nalbant // 44th CIRP Conference on Manufacturing Systems. – Madison, Wisconsin, 2011. – P. 1–6.
  26. Singh R., Singh B. Comparison of cryo-treatment effect on machining characteristics of titanium in electric discharge machining // International Journal of Automotive and Mechanical Engineering. – 2011. – Vol. 3. – P. 239–248. – doi: 10.15282/ijame.3.2011.1.0020.
  27. Effect of cryogenic treatment on thermal conductivity properties of copper / D. Nadig, V. Ramakrishnan, P. Sampathkumaran, C. Prashanth // AIP Conference Proceedings. – 2012. – Vol. 1435 (1). – P. 133–139.
  28. Srivastava V., Pandey P.M. Effect of process parameters on the performance of EDM process with ultrasonic assisted cryogenically cooled electrode // Journal of Manufacturing Processes. – 2012. – Vol. 14 (3). – P. 393–402. – doi: 10.1016/j.jmapro.2012.05.001.
  29. Liqing L., Yingjie S. Study of dry EDM with oxygen-mixed and cryogenic cooling approaches // Procedia CIRP. – 2013. – Vol. 6. – P. 344–350.
  30. Jafferson J., Hariharan P. Machining performance of cryogenically treated electrodes in microelectric discharge machining: a comparative experimental study // Materials and Manufacturing Processes. – 2013. – Vol. 28 (4). – P. 397–402.
  31. Study of the effect of cryogenic treatment of tool electrodes during electro discharge machining / V. Mathai, R. Vaghela, H. Dave, H. Raval, K. Desai // Proceedings of the Eighth International Conference on Precision Meso, Micro & Nano Engineering (COPEN-8: 2013). – National Institute of Technology, Calicut, India, 2013. – P. 13–15.
  32. Singh J., Singh G., Pandey P.M. Electric discharge machining using rapid manufactured complex shape copper electrode with cryogenic cooling channel // Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. – 2021. – Vol. 235 (1–2). – P. 173–185. – doi: 10.1177/0954405420949102.
  33. Influence of cryogenic treatment on the performance of micro-EDM tool electrode in machining of magnesium alloy AZ31B / D. Prakash, M. Tariq, R. Davis, A. Singh, K. Debnath // Materials Today: Proceedings. – 2021. – Vol. 39. – P. 1198–1201. – doi: 10.1016/j.matpr.2020.03.589.
  34. Machinability analysis and optimization of electrical discharge machining in AA6061-T6/15wt.% SiC composite by the multi-criteria decision-making approach / G. Karthik Pandiyan, T. Prabaharan, D. Jafrey Daniel James, V. Sivalingam // Journal of Materials Engineering and Performance. – 2022. – Vol. 31 (5). – P. 3741–3752. – doi: 10.1007/s11665-021-06511-8.
  35. Surface roughness and surface crack length prediction using supervised machine learning–based approach of electrical discharge machining of deep cryogenically treated NiTi, NiCu, and BeCu alloys / D.A. Sawant, V.S. Jatti, A. Mishra, E.M. Sefene, A.V. Jatti // International Journal of Advanced Manufacturing Technology. – 2023. – Vol. 128. – P. 5595–5612. – doi: 10.1007/s00170-023-12269-1.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».