采用倒角刀具与传统刀具对AISI D2钢的切削加工性能对比及神经网络驱动的优化研究

《Scientific Reports》：Comparative machinability and neural network-driven optimization of AISI D2 steel using chamfered and conventional tooling

　　

摘要

在AISI D2钢的干式车削加工中，需要平衡生产效率、表面质量、热负荷以及能耗。本研究通过2⁴全因子设计，比较了带有倒角的Xcel刀片与传统硬质合金刀片在干式车削AISI D2钢时的切削性能，所考察的参数包括切削速度（V_CS：100–150米/分钟）、进给速率（F_R：0.2–0.3毫米/转）以及切削深度（D_OC：0.5–1.0毫米）。研究通过方差分析、人工神经网络建模以及NSGA-II优化方法，对材料去除率、显微硬度、车削区域温度以及能耗进行了测量与分析。结果表明，在所研究的参数范围内，Xcel刀片的性能始终优于传统硬质合金刀片。在较为保守的切削条件下，最高的材料去除率和显微硬度分别为1341.57立方厘米和177.78 HV，而最低的车削区域温度和能耗分别为272摄氏度和420.28瓦特。方差分析显示，进给速率是影响材料去除率的最主要因素，占比27.69%；而切削速度则对显微硬度的影响最大，占比74.51%，同时对车削区域温度的影响也为49.36%；切削深度则是影响能耗的最主要因素，占比29.55%。研究还利用人工神经网络作为局部响应的替代模型，通过非支配排序遗传算法找到了最佳切削参数：切削速度为149.84米/分钟，进给速率为0.3毫米/转，切削深度为0.997毫米，且应选用Xcel刀片。该研究表明，Xcel刀片的几何结构有助于提升AISI D2钢的干式车削生产效率，同时不会导致过高的热负荷和能耗。