Улучшение характеристик электроэрозионной обработки сплавов NiTi, NiCu и BeCu с использованием многокритериального подхода на основе функции полезности

Обложка

Цитировать

Полный текст

Аннотация

Введение. Обработка твердых материалов и сплавов с памятью формы (СПФ), таких как сплавы NiTi, NiCu и BeCu, традиционными методами затруднена из-за чрезмерного износа инструмента в процессе обработки и низкого качества обработанной поверхности. Нетрадиционные методы обработки, в частности электроэрозионная обработка (ЭЭО), обеспечивают повышенную точность и качество поверхности. Однако эффективность ЭЭО зависит от оптимизации параметров процесса. Целью данного исследования является оптимизация параметров ЭЭО для улучшения характеристик обработки СПФ путем учета таких факторов, как длительность импульса, длительность паузы между импульсами, ток разряда, напряжение в межэлектродном зазоре и электропроводность заготовки. Методы. В данном исследовании использован подход планирования эксперимента Тагучи для анализа влияния ключевых параметров процесса на удельный съем материала (MRR Q), шероховатость поверхности (SR Ra) и скорость износа инструмента (TWR υh). Дисперсионный анализ (ANOVA) был применен для выявления наиболее статистически значимых факторов, влияющих на характеристики обработки. Многокритериальный метод оптимизации, основанный на теории полезности, был использован для определения оптимальных настроек ЭЭО, обеспечивающих баланс между MRR Q, Ra и TWR υh. Результаты были подтверждены экспериментальными испытаниями. Результаты и обсуждение. Экспериментальные результаты показали, что в испытании № 15 достигнута наивысшая MRR Q, равная 9,076 мм3/мин, в то время как в испытании № 1 получена наименьшая SR Ra, равная 2,238 мкм. Минимальная TWR υh, равная 0,041 мм3/мин, наблюдалась в испытании № 10, это способствует увеличению срока службы инструмента. Дисперсионный анализ показал, что напряжение в межэлектродном зазоре является наиболее влиятельным фактором, определяющим 85,98 % вариации характеристик обработки, за которым следуют ток разряда (4,76 %) и длительность паузы между импульсами (2,59 %). Процесс многокритериальной оптимизации успешно определил конфигурации параметров, которые оптимизируют MRR Q при минимизации SR Ra и TWR υh. Разработанная в данном исследовании модель прогнозирования продемонстрировала высокую точность со значением R2 = 93,3 % и скорректированным R2 = 89,7 %. Валидационные эксперименты подтвердили эффективность оптимизированных параметров, что привело к среднему MRR Q = 8,852 мм3/мин, SR Ra = 2,818 мкм и TWR υh = 0,148 мм3/мин. Полученные результаты подтверждают, что тщательная оптимизация параметров электроэрозионной обработки позволяет существенно улучшить характеристики обработки сплавов с памятью формы, значительно повышая эффективность и долговечность инструмента.

Об авторах

В. Джатти

Email: vijaykjatti@gmail.com
доктор техн. наук, профессор, Инженерная школа и школа прикладных наук, Университет Беннетта, Нойда, 201310, Индия, vijaykjatti@gmail.com

В. Сингараджан

Email: s.n.vijayan@gmail.com
Технологический институт Карпагама, Коимбатур - 641105, Тамил Наду, Индия, s.n.vijayan@gmail.com

А. Сайятибрагим

Email: imsaiyath@gmail.com
канд. арх. наук, доцент, Университетский центр исследований и разработок, Чандигархский университет, 140413, Пенджаб, Индия, imsaiyath@gmail.com

В. Джатти

Email: vinay.jatti89@gmail.com
Технологический институт Симбиоза, Международный университет Симбиоза, Пуна, 412115, Махараштра, Индия, vinay.jatti89@gmail.com

М. Кришнан

Email: murali15091990@gmail.com
доцент, Технологический институт Симбиоза, Международный университет Симбиоза, Пуна, 412115, Махараштра, Индия, murali15091990@gmail.com

С. Джатти

Email: savitabirajdardyp@gmail.com
Инженерный колледж им. Д.И. Патила, Университет Савитрибай Пхуле Пуна, Пуна, Индия, savitabirajdardyp@gmail.com

Список литературы

  1. Electrical discharge machining of nickel-based superalloys: a comprehensive review / P. Sharma, K. Kishore, M.K. Sinha, V. Singh // International Journal of Materials Engineering Innovation. – 2022. – Vol. 13 (3). – P. 157–190. – doi: 10.1504/IJMATEI.2022.125119.
  2. Principles and characteristics of different EDM processes in machining tool and die steels / J.E.A. Qudeiri, A. Zaiout, A.H.I. Mourad, M.H. Abidi, A. Elkaseer // Applied Sciences. – 2020. – Vol. 10 (6). – P. 2082. – doi: 10.3390/app10062082.
  3. Philip J.T., Mathew J., Kuriachen B. Transition from EDM to PMEDM–impact of suspended particulates in the dielectric on Ti6Al4V and other distinct material surfaces: a review // Journal of Manufacturing Processes. – 2021. – Vol. 64. – P. 1105–1142. – doi: 10.1016/j.jmapro.2021.01.056.
  4. Wire electrical discharge machining – a review / L. Slatineanu, O. Dodun, M. Coteata, G. Nagît, I. B. Bancescu, A. Hrituc // Machines. – 2020. – Vol. 8 (4). – P. 69. – doi: 10.3390/machines8040069.
  5. Recent trends and developments in the electrical discharge machining industry: a review / A.A. Kamenskikh, K.R. Muratov, E.S. Shlykov, S.S. Sidhu, A. Mahajan, Y.S. Kuznetsova, T.R. Ablyaz // Journal of Manufacturing and Materials Processing. – 2023. – Vol. 7 (6). – P. 204. – doi: 10.3390/jmmp7060204.
  6. Electrical discharge machining parameters and dielectric fluid: a review / B. Gugulothu, N. Aravindan, G. Widjaja, S.A. Lakshmanan, M. Suresh // Handbook of Research on Advanced Functional Materials for Orthopedic Applications. – 2023. – Vol. 137–147. – doi: 10.4018/978-1-6684-7412-9.ch008.
  7. 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.
  8. Goyal A., Pandey A., Rahman H.U. Present and future prospective of shape memory alloys during machining by EDM/wire EDM process: a review // Sadhana. – 2022. – Vol. 47 (4). – P. 217. – doi: 10.1007/s12046-022-01999-9.
  9. Jatti V.S. Multi-characteristics optimization in EDM of NiTi alloy, NiCu alloy and BeCu alloy using Taguchi’;s approach and utility concept // Alexandria Engineering Journal. – 2018. – Vol. 57 (4). – P. 2807–2817. – doi: 10.1016/j.aej.2017.11.004.
  10. Effects of process parameters on the machining process in die-sinking EDM of alloyed tool steel / M.M. Bahgat, A.Y. Shash, M. Abd-Rabou, I.S. El-Mahallawi // Engineering Design Applications III: Structures, Materials and Processes. – Springer, 2020. – P. 215–233. – doi: 10.1007/978-3-030-39062-4_19.
  11. Multi-objective optimization for electric discharge drilling of waspaloy: a comparative analysis of NSGA-II, MOGA, MOGWO, and MOPSO / P.P. Harane, D.R. Unune, R. Ahmed, S. Wojciechowski // Alexandria Engineering Journal. – 2024. – Vol. 99. – P. 1–16. – doi: 10.1016/j.aej.2024.04.049.
  12. Surface integrity in metal machining – Part I: Fundamentals of surface characteristics and formation mechanisms / Z. Liao, A. la Monaca, J. Murray, A. Speidel, D. Ushmaev, A. Clare, D. Axinte, R. M’;Saoubi // International Journal of Machine Tools and Manufacture. – 2021. – Vol. 162. – P. 103687. – doi: 10.1016/j.ijmachtools.2020.103687.
  13. Ishfaq K., Farooq M.U., Pruncu C.I. Reducing the geometrical machining errors incurred during die repair and maintenance through electric discharge machining (EDM) // The International Journal of Advanced Manufacturing Technology. – 2021. – Vol. 117 (9). – P. 3153–3168. – doi: 10.1007/s00170-021-07846-1.
  14. The versatility of the Taguchi method: Optimizing experiments across diverse disciplines / M.W. Hisam, A.A. Dar, M.O. Elrasheed, M.S. Khan, R. Gera, I. Azad // Journal of Statistical Theory and Applications. – 2024. – Vol. 23 (4). – P. 365–389. – doi: 10.1007/s44199-024-00093-9.
  15. Optimization of PMEDM process parameters for B4C and B4C+SiC reinforced AA7075 composites / G. Keskin, S. Salunkhe, G. Küçüktürk, M. Pul, H. Gürün, V. Baydarogl // Journal of Engineering Research. – 2025. – Vol. 13 (1). – P. 47–56. – doi: 10.1016/j.jer.2023.09.012.
  16. Multi-performance optimization in electrical discharge machining of Al2O3 ceramics using Taguchi base AHP weighted TOPSIS method / Y.-P. Zeng, C.-L. Lin, H.-M. Dai, Y.-C. Lin, J.-C. Hung // Processes. – 2021. – Vol. 9 (9). – P. 1647. – doi: 10.3390/pr9091647.
  17. Sahoo S.K., Thirupathi N., Saraswathamma K. Experimental investigation and multi-objective optimization of die sink EDM process parameters on Inconel-625 alloy by using utility function approach // Materials Today: Proceedings. – 2020. – Vol. 24. – P. 995–1005. – doi: 10.1016/j.matpr.2020.04.412.
  18. Experimental analysis and optimization of EDM parameters on HcHcr steel in context with different electrodes and dielectric fluids using hybrid Taguchi-based PCA-utility and CRITIC-utility approaches / M. Patel Gowdru Chandrashekarappa, S. Kumar, J. Jagadish, D.Y. Pimenov, K. Giasin // Metals. – 2021. – Vol. 11 (3). – P. 419. – doi: 10.3390/met11030419.
  19. Machining of shape-memory alloys using electrical discharge machining with an elaborate study of optimization approaches: a review / S. Dutta, A.K. Singh, B. Paul, M.K. Paswan // Journal of the Brazilian Society of Mechanical Sciences and Engineering. – 2022. – Vol. 44 (11). – P. 557. – doi: 10.1007/s40430-022-03826-y.
  20. Singh R., Singh R.P., Trehan R. Machine learning algorithms based advanced optimization of EDM parameters: an experimental investigation into shape memory alloys // Sensors International. – 2022. – Vol. 3. – P. 100179. – doi: 10.1016/j.sintl.2022.100179.
  21. Machinability assessment of shape memory alloy nitinol during WEDM operation: application potential of Taguchi based AHP–DFA technique / H. Majumder, A. Khan, D.K. Naik, C.S. Kumar // Surface Review and Letters. – 2022. – Vol. 29 (01). – P. 2250002. – doi: 10.1142/S0218625X22500020.
  22. Gupta D.K., Dubey A.K. Multi process parameters optimization of Wire-EDM on shape memory alloy (Ni54.1Ti) using Taguchi approach // Materials Today: Proceedings. – 2021. – Vol. 44. – P. 1423–1427. – doi: 10.1016/j.matpr.2020.11.628.
  23. 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.
  24. Multi-objective optimization of electrical discharge machining process during machining of NiTi alloy using Taguchi and utility concept / V.S. Gaikwad, V.S. Jatti, P.J. Pawar, K.N. Nandurkar // Techno-Societal 2018: Proceedings of the 2nd International Conference on Advanced Technologies for Societal Applications. – Springer International Publishing, 2020. – Vol. 2. – P. 479–489. – doi: 10.1007/978-3-030-16962-6_49.
  25. Determination of the optimum conditions for machining NiTi shape memory alloys by electrical discharge machining / S. Güven, M. Yilmaz, H. Gökkaya, E. Nas // Journal of the Institution of Engineers (India): Series C. – 2024. – Vol. 105 (5). – P. 1035–1046. – doi: 10.1007/s40032-024-01099-z.
  26. Analysis of surface roughness and flank wear using the Taguchi method in milling of NiTi shape memory alloy with uncoated tools / E. Altas, H. Gokkaya, M. Karatas, D. Ozkan // Coatings. – 2020. – Vol. 10 (12). – P. 1259. – doi: 10.3390/coatings10121259.
  27. Singh R., Singh R.P., Trehan R. State of the art in processing of shape memory alloys with electrical discharge machining: a review // Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. – 2021. – Vol. 235 (3). – P. 333–366. – doi: 10.1177/0954405420958771.
  28. Saoud F.B., Korkmaz M.E. A review on machinability of shape memory alloys through traditional and non-traditional machining processes: a review // Imalat Teknolojileri ve Uygulamalar?. – 2022. – Vol. 3 (1). – P. 14–32. – doi: 10.52795/mateca.1080941.
  29. Al-Mousawi M.A., Al-Shafaie S.H., Khulief Z.T. Modeling and analysis of process parameters in EDM of Ni35Ti35Zr15Cu10Sn5 high-temperature high entropy shape memory alloy by RSM approach // Manufacturing Review. – 2024. – Vol. 11. – P. 4. – doi: 10.1051/mfreview/2024002.
  30. Gaikwad V., Jatti V.S. Optimization of material removal rate during electrical discharge machining of cryo-treated NiTi alloys using Taguchi’;s method // Journal of King Saud University – Engineering Sciences. – 2018. – Vol. 30 (3). – P. 266–272. – doi: 10.1016/j.jksues.2016.04.003.
  31. 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 // The International Journal of Advanced Manufacturing Technology. – 2023. – Vol. 128 (11–12). – P. 5595–5612. – doi: 10.1007/s00170-023-12269-1.
  32. Jatti V.S., Singh T.P. Optimization of tool wear rate during electrical discharge machining of advanced materials using Taguchi analysis // WSEAS Transactions on Applied and Theoretical Mechanics. – 2016. – Vol. 11. – P. 44–53.
  33. Исследование электроэрозионной обработки криогенно обработанных бериллиево-медных сплавов (BeCu) / Д. Савант, Р. Булах, В. Джатти, С. Чинчаникар, А. Мишра, Э.М. Сефене // Обработка металлов (технология, оборудование, инструменты). – 2024. – Т. 26, № 1. – С. 175–193. – doi: 10.17212/1994-6309-2024-26.1-175-193.
  34. Bagane S., Jatti V.S., Singh T.P. Machinability study of beryllium copper by powder mixed electric discharge machining // Applied Mechanics and Materials. – 2015. – Vol. 787. – P. 376–380. – doi: 10.4028/ href='www.scientific.net/AMM.787.376' target='_blank'>www.scientific.net/AMM.787.376.
  35. Sankar V., Arravind R., Manikandan D. Material synthesis, characterization, and machining performance of stir cast beryllium copper alloy composites // Transactions of the Canadian Society for Mechanical Engineering. – 2018. – Vol. 43 (2). – P. 143–152. – doi: 10.1139/tcsme-2018-0103.
  36. Investigating the effect of cryogenic treatment of workpieces and tools on electrical discharge machining performance / V.S. Jatti, N.K. Khedkar, V.S. Jatti, P. Dhall // AIMS Materials Science. – 2022. – Vol. 9 (6). – doi: 10.3934/matersci.2022051.

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».