Расчетно-экспериментальная оценка технологических деформаций при «мягких» режимах токарной обработки тонкостенных деталей

Обложка

Цитировать

Полный текст

Аннотация

Введение. В авиационной, космической, энергомашиностроительной и других отраслях промышленности широко используются относительно податливые изделия в первую очередь в форме тонкостенных оболочек. Для подобных деталей актуальна задача минимизации характерных технологических деформаций, сопровождающих процесс обработки и связанных с искажением формы заготовки. С целью минимизации технологических деформаций и рисков используется специализированная дополнительная оснастка, что существенно повышает трудоёмкость изготовления изделий. В работе рассматривается альтернативный способ снижения технологических деформаций посредством использования «мягких» режимов обработки, подразумевающий выбор рациональных параметров резания и условий закрепления на основе результатов численного моделирования. Предложенный метод может быть востребован для этапа проектирования технологических процессов и отвечает современным тенденциям цифрового производства в рамках Национальной технологической инициативы. Для успешного внедрения предлагаемого подхода была разработана интегрированная система поддержки принятия решений о выборе режимов механической обработки тонкостенных деталей, которая позволяет технологам оперативно оценивать применимость выбранных режимов резания с учетом податливости заготовки. Цель работы: экспериментальная проверка работоспособности разработанной системы и метода «мягких» режимов обработки. В работе рассматривается случай черновой токарной обработки полой цилиндрической заготовки, закрепленной в трехкулачковом патроне. Методы исследования: эксперимент проведен на специально подготовленном стенде, в состав которого входят: токарный станок, трехкулачковый патрон, штатив и измерительная головка. Измерения отклонений проводятся в заранее определенных точках на поверхности заготовки с применением измерительной головки. Результаты и обсуждение. Результаты эксперимента представлены в графическом виде. На графиках отклонений показаны теоретические и экспериментальные кривые для различных сечений заготовки. Сравнительный анализ результатов экспериментальных исследований с расчетными данными, полученными с помощью численного моделирования технологического процесса, позволяет сделать вывод о целесообразности использования «мягких» режимов при токарной обработке податливых деталей.

Об авторах

П. А. Еремейкин

Email: eremeykin@gmail.com
аспирант, Институт машиноведения им. А.А. Благонравова РАН, eremeykin@gmail.com

А. Д. Жаргалова

Email: azhargalova@bmstu.ru
Московский государственный технический университет им. Н.Э. Баумана, azhargalova@bmstu.ru

С. С. Гаврюшин

Email: gss@bmstu.ru
доктор технических наук, профессор, Институт машиноведения им. А.А. Благонравова РАН, Московский государственный технический университет им. Н.Э. Баумана, gss@bmstu.ru

Список литературы

  1. Machining surface quality analysis of aluminum alloy thin-walled parts in aerospace / D. Bing, Y. Guang-bin, G. Yan-qi, S. Jun-peng, W. Xue-mei, L. Yu-xin // International Journal of Security and Its Applications. – 2015. – Vol. 9, N 11. – P. 201–208. – doi: 10.14257/ijsia.2015.9.11.19.
  2. Технология машиностроения. В 2 т. Т. 1. Основы технологии машиностроения / под общ. ред. А.М. Дальского. – М.: Изд-во МГТУ им. Н.Э. Баумана, 1999. – 370 с. – ISBN 978-5-7038-3442-8.
  3. Кузнецов Ю.И., Мослов А.Р., Бойков А.Н. Оснастка для станков с ЧПУ: справочник. – М.: Машиностроение, 1990. – 512 с. – ISBN 5-217-01114-9.
  4. Евгенев Г.Б., Гаврюшин С.С., Хоботов Е.Н. Основы автоматизации технологических процессов и производств. В 2 т. Т. 2. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2015. – 479 с. – ISBN 978-5-7038-4139-6.
  5. Milling error prediction and compensation in machining of low-rigidity parts / S. Ratchev, S. Liu, W. Huang, A.A. Becker // International Journal of Machine Tools & Manufacture. – 2004. – Vol. 44, iss. 15. – P. 1629–1641. – doi: 10.1016/j.ijmachtools.2004.06.001.
  6. Demyanenko E.G., Popov I.P., Menshikov V.S. Research of the process of axisymmetric forming of thin-walled flat blanks into the conical parts with minimal thickness variation // International Conference on Mechanical Engineering, Automation and Control Systems, Tomsk, Russia, 27–29 October 2016. – Bristol, 2017. – Art. 012122. – (IOP conference series. Materials science and engineering; vol. 177). – doi: 10.1088/1757-899X/177/1/012122.
  7. Huang Y., Zhang X., Xiong Y. Finite element analysis of machining thin-wall parts: error prediction and stability analysis // Finite element analysis – applications in mechanical engineering / ed. by F. Ebrahimi. – Rijeka, Croatia: InTech, 2004. – doi: 10.5772/50374.
  8. Joshi S.N., Bolar G.J. Three-dimensional finite element based numerical simulation of machining of thin-wall components with varying wall constraints // Journal of The Institution of Engineers (India): Series C. – 2017. – Vol. 98, iss. 3. – P. 343–352. – doi: 10.1007/s40032-016-0246-9.
  9. Joshi S.N., Bolar G.J. Three-dimensional numerical modeling, simulation and experimental validation of milling of a thin-wall component // Proceeding of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. – 2017. – Vol. 231, iss. 5. – P. 792–804. – doi: 10.1177/0954405416685387.
  10. Scippa A., Grossi N., Campatelli G. FEM based cutting velocity selection for thin walled part machining // Procedia CIRP. – 2014 – Vol. 14. – P. 287–292. – doi: 10.1016/j.procir.2014.03.023.
  11. Zienkiewicz O.C. The finite element method in engineering science. – London; New York: McGraw-Hill, 1972. – 521 p. – ISBN 978-0-0709-4138-0.
  12. Bathe K.J. Finite element method procedures. – [S. l.]: Klaus-Jurgen Bathe, 2007. – 1037 p. – ISBN 978-0-9790-0490-2.
  13. Izamshah R.A., Mo J.P.T., Ding S.L. Finite element analysis of machining thin-wall parts // Key Engineering Materials. – 2011. – Vol. 458. – P. 283–288. – doi: 10.4028/ href='www.scientific.net/KEM.458.283' target='_blank'>www.scientific.net/KEM.458.283.
  14. Machining of thin-walled parts produced by additive manufacturing technologies / A. Isaev, V. Grechishnikov, P. Pivkin, M. Kozochkin, Y. Ilyuhin, A. Vorotnikov // Procedia CIRP. – 2016. – Vol. 41. – P. 1023–1026. – doi: 10.1016/j.procir.2015.08.088.
  15. Shamsuddin K.A., Ab-Kadir A.R., Osman M.H. A comparison of milling cutting path strategies for thin-walled aluminium alloys fabrication // The International Journal of Engineering and Science (IJES). – 2013. – Vol. 2, iss. 3. – P. 1–8.
  16. Метод определения условий механической обработки тонкостенных деталей / С.C. Гаврюшин, А.Д. Жаргалова, Г.П. Лазаренко, В.И. Семисалов // Известия высших учебных заведений. Машиностроение. – 2015. – № 11. – C. 53–61. – doi: 10.18698/0536-1044-2015-11-53-61.
  17. Жаргалова А.Д., Еремейкин П.А. Программная система автоматизированного выбора режимов механической обработки тонкостенных деталей // Актуальные проблемы в машиностроении. – 2017. – Т. 4, № 1. – С. 9–14.
  18. Eremeykin P.A., Zhargalova A.D., Gavriushin S.S. A software system for thin-walled parts deformation analysis // Advances in Artificial Systems for Medicine and Education / ed. by Z. Hu, S.V. Petukhov, M. He. – Cham: Switzerland Springer Nature, 2018. – P. 259–265. – (Advances in intelligent systems and computing; vol. 658). – doi: 10.1007/978-3-319-67349-3_24.
  19. Еремейкин П.А., Жаргалова А.Д., Лазаренко Г.П. Интегрированная система поддержки принятия решения о выборе режимов механической обработки тонкостенных деталей: свидетельство о государственной регистрации программы для ЭВМ № 2016663071.
  20. Справочник технолога-машиностроителя. В 2 т. Т. 2 / под ред. А.Г. Косиловой, Р.К. Мещерякова. – М.: Машиностроение, 1986. – 418 с.
  21. Гузеев В.И., Батуев В.А., Сурков И.В. Режимы резания для токарных и сверлильно-фрезерно-расточных станков с числовым программным управлением: справочник / под ред. В.И. Гузеева. – 2-е изд. – М.: Машиностроение, 2007. – 368 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


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».