مقایسه ی فاکتورهای مختلف در زبری سطح فرآیند فرزکاری

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 159

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MME-23-10_025

تاریخ نمایه سازی: 10 اسفند 1403

چکیده مقاله:

فرز انگشتی نوعی ابزار ماشینکاری است برای براده برداری سطوح قطعه بوده که به دلیل کاربرد گسترده در صنایعی چون قالب سازی مورد توجه قرار گرفته است. ازاین رو امروزه، نیاز صنعت به یافتن پارامترهای بهینه فرآیند احساس می شود تا بتوان به کیفیت سطح مورد نظر دست یافت. به طور کلی، انتخاب پارامترهای اثرگذار در هر فرآیند فرزکاری به طور قابل توجهی بر کیفیت سطح یک قطعه تمام شده تاثیر می گذارد. در این پژوهش با استفاده از روش آنالیز حساسیت آماری ای-فست به بررسی کمی میزان اثرگذاری همزمان پارامترهای ورودی شامل سرعت اسپیندل، عمق برش، و نرخ پیشروی بر روی پارامتر خروجی زبری سطح برای نمونه ها پرداخته شده است. آزمایش های ماشینکاری تحت پارامترهای مختلف برش همانطور که در شرایط پایدار برای ابزار فرز تعریف شده اند، انجام شده است. زبری سطح و میزان ارتعاش ماشین کاری با فرم های درجه دوم غیرخطی؛ به ترتیب بر اساس پارامترهای برش و برهمکنش های آن از طریق چندین روش تحلیل رگرسیون، مدل سازی شده است. نتایج حاصل از این پژوهش نشان داد که پارامتر زمان سرعت اسپیندل با ۶۷ درصد تاثیر به عنوان تاثیرگذارترین پارامتر بر روی زبری سطح شناخته شده است. همچنین مشاهده شد که پارامتر نرخ پیشروی با ۳۰ درصد تاثیر عمق برش با ۳ درصد به عنوان دومین و سومین پارامترهای اثرگذار بر زبری سطح شناخته شده اند.

نویسندگان

احمد همایونی

دانشگاه صنعتی اراک

زهرا سادات اقدامی

دانشگاه اراک

مائده ستوده

دانشگاه اراک

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Imani L, Rahmani Hanzaki A, Hamzeloo SR, Davoodi B. Modeling ...
  • Kovac P, Rodic D, Pucovsky V, Savkovic B, Gostimirovic M. ...
  • Thamma R. Comparison between multiple regression models to study effect ...
  • Joshi K, Patil B. Prediction of surface roughness by machine ...
  • Benardos PG, Vosniakos GC. Predicting surface roughness in machining: a ...
  • Lee KY, Kang MC, Jeong YH, Lee DW, Kim JS. ...
  • T.-H. Hou, C.-H. Su, and W.-L. J. P. t. Liu, ...
  • A. Nekahi, K. J. M. Dehghani, and Design, "Modeling the ...
  • Cukier RI, Levine HB, Shuler KE. Nonlinear sensitivity analysis of ...
  • T. Homma, A. J. R. E. Saltelli, and S. Safety, ...
  • Imani L, Rahmani Hanzaki A, Hamzeloo SR, Davoodi B. Modeling ...
  • Kovac P, Rodic D, Pucovsky V, Savkovic B, Gostimirovic M. ...
  • Thamma R. Comparison between multiple regression models to study effect ...
  • Joshi K, Patil B. Prediction of surface roughness by machine ...
  • Benardos PG, Vosniakos GC. Predicting surface roughness in machining: a ...
  • Lee KY, Kang MC, Jeong YH, Lee DW, Kim JS. ...
  • T.-H. Hou, C.-H. Su, and W.-L. J. P. t. Liu, ...
  • A. Nekahi, K. J. M. Dehghani, and Design, "Modeling the ...
  • Cukier RI, Levine HB, Shuler KE. Nonlinear sensitivity analysis of ...
  • T. Homma, A. J. R. E. Saltelli, and S. Safety, ...
  • نمایش کامل مراجع