《Frontiers in Materials》：Comparative study of biodegradable coolants on aluminum–lithium alloys using the design of experiment approach and machine learning model
编辑推荐：
环境友好型方法对于提高表面质量和加工性能同时减少负面环境影响至关重要，这显著影响了高性能材料（如第三代铝锂合金）加工中切削液的选择策略。本研究对Trim E950和乙二醇两种润滑剂进行了对比分析。选取表面速度、进给率、轴向切削深度、刀尖圆弧半径和润滑剂浓度五个
环境友好型方法对于提高表面质量和加工性能同时减少负面环境影响至关重要，这显著影响了高性能材料（如第三代铝锂合金）加工中切削液的选择策略。本研究对Trim E950和乙二醇两种润滑剂进行了对比分析。选取表面速度、进给率、轴向切削深度、刀尖圆弧半径和润滑剂浓度五个变量，研究其对表面光洁度和热影响区的影响。采用响应曲面法中的中心复合设计，在95%置信水平下设计实验方案。方差分析证实了模型的拟合优度，其中进给率和刀尖圆弧半径因其较高的F值而表现出显著影响。扫描电子显微镜分析表明，8%乙二醇和12% Trim E950润滑剂浓度下表面缺陷最小。使用Trim E950获得的最佳Ra值为0.211 μm，使用乙二醇为0.21 μm。同样，使用Trim E950实现的最佳热影响区（HAZ）值为20.82 IACS，乙二醇为20.3 IACS。研究选取随机森林回归机器学习模型验证实验数据集。该模型对Ra表现出优异的预测精度，Trim E950和乙二醇的R2分数分别为0.98和0.97，而HAZ预测对训练数据集规模表现出中等敏感性。
**基于设计与机器学习的铝锂合金可生物降解冷却液加工性能对比研究**
**一、研究背景与问题提出**
航空航天工业对轻量化高性能材料的需求日益增长，铝锂(Al–Li)合金凭借其低密度和高比强度等优势，已成为该领域的关键结构材料。第三代Al–Li合金通过将锂含量控制在0.75 wt.%至1.8 wt.%之间，在保障材料性能的同时进一步降低了密度，并已在多种机型上获得广泛应用。然而，铝锂合金的加工面临诸多挑战，如积屑瘤（BUE）的形成、切屑控制困难等，这些问题的产生与合金类型、加工条件以及冷却润滑方式密切相关。
传统切削液在加工高性能材料时虽能起到一定作用，但其环境负面影响不容忽视。在此背景下，开发和应用环境友好型冷却润滑技术成为可持续制造领域的研究热点。植物油基冷却液和乙二醇等可生物降解润滑剂因其优异的润滑性能、较长的使用寿命、低带走率以及较低的操作成本，展现出巨大的应用潜力。现有文献虽已针对不同冷却技术（如低温冷却、微量润滑MQL、纳米流体MQL等）开展了大量研究，但关于不同可生物降解冷却液在铝锂合金加工中的系统对比研究仍显不足。特别是，尚无文献对Trim E950与乙二醇两种润滑剂在铝锂合金铣削加工中对表面粗糙度（Ra）和热影响区（HAZ）的影响进行过专门比较，这正是本研究的创新点所在。因此，本研究旨在通过试验设计（DOE）与机器学习（ML）相结合的方法，系统探究表面速度、进给率、轴向切削深度、刀尖圆弧半径和润滑剂浓度对Ra和HAZ的影响规律，为航空航天铝合金的绿色高效加工提供理论依据和数据支持。
**二、研究内容与结论概述**
研究人员以第三代铝锂合金2050（Al–Li 2050）为研究对象，使用DMG Mori DMC 650 V三轴加工中心进行槽铣实验，采用SECO铣刀及未涂层刀片（型号XOEX10T304），并在80 bar压力下采用 Flood冷却方式。实验选取Trim E950和乙二醇两种润滑剂，每种润滑剂设置8%、10%、12%三个浓度水平。研究采用中心复合设计（CCD）方法设计实验方案，共获得156组实验数据（每种润滑剂52组，重复3次）。通过方差分析（ANOVA）评估各因素及其交互作用的显著性，利用响应曲面图分析变量间的交互效应，借助扫描电子显微镜（SEM）观察加工表面形貌，并构建随机森林回归模型对实验结果进行预测和验证。
研究结果表明，对于Trim E950润滑剂，所有五个单一变量对Ra均有显著影响，而除表面速度外其余变量对HAZ影响显著；交互作用方面，进给率与轴向切削深度、进给率与刀尖圆弧半径、进给率与润滑剂浓度、轴向切削深度与刀尖圆弧半径以及轴向切削深度与润滑剂浓度的交互作用对Ra影响显著。最佳工艺条件下，Ra和HAZ的优化值分别为0.211 μm和20.82 IACS，模型决定系数R2分别为95.01%和96.86%。对于乙二醇润滑剂，仅进给率和刀尖圆弧半径对Ra影响显著，但所有变量对HAZ均有显著影响。Ra和HAZ的优化值分别为0.21 μm和20.3 IACS，模型R2分别为95.26%和95.5%。SEM形貌分析显示，12%浓度的Trim E950和8%浓度的乙二醇可获得更光滑的加工表面。随机森林模型对Ra的预测精度较高（R2>0.97），但对HAZ的预测精度相对中等（R2约0.62–0.68），表明模型在HAZ预测方面仍有改进空间。
本研究系统对比了两种可生物降解冷却液的加工性能，明确了关键工艺参数的影响规律，验证了DOE与ML结合方法在加工过程建模与预测中的有效性，对航空航天铝锂合金的绿色高效加工具有重要的理论参考和工程应用价值。
**三、主要关键技术方法**
本研究采用的主要技术方法包括：（1）基于响应曲面法（RSM）的中心复合设计（CCD）方法，用于系统设计实验方案并构建二阶响应模型；（2）方差分析（ANOVA），用于评估模型及各因素影响的显著性；（3）扫描电子显微镜（SEM）分析，用于观察加工表面微观形貌；（4）随机森林回归（Random Forest Regressor）机器学习模型，用于预测Ra和HAZ，模型采用100棵决策树（n_estimators=100），最大树深度为10，通过5折交叉验证和网格搜索超参数调优，并使用80–20和70–30两种数据集划分方式评估模型性能。实验所用Al–Li 2050试样尺寸为50×50×20 mm，加工槽尺寸为30×30×12 mm，表面粗糙度依据ISO 4287:1997标准采用Surftest 400J测量，HAZ依据ASTM E1004-23标准采用涡流仪评估。
**四、研究结果**
**4.1 方差分析（ANOVA）**
通过ANOVA分析，在95%置信水平下评估各控制因素及其交互效应的显著性。误差分析表明低残差证实了模型与实验观测值之间的良好一致性。总体来看，进给率和刀尖圆弧半径因较高的F值成为Ra的显著影响因素。对于Trim E950，所有因素对Ra均为显著项；对于乙二醇，仅进给率和刀尖圆弧半径显著。HAZ方面，Trim E950除表面速度外其余因素均显著，而乙二醇的所有因素均显著。
**4.2 Ra响应曲面分析**
Trim E950的响应曲面图显示，较低的进给率和轴向切削深度可获得较低的Ra值；刀尖圆弧半径为0.8 mm时表面光洁度更优；采用10%润滑剂浓度配合0.8 mm刀尖圆弧半径可获得更好的表面光洁度。乙二醇的响应曲面图显示，Ra在10%–12%浓度范围内呈上升趋势，而8%浓度时下降；进给率增至0.3 mm/tooth和刀尖圆弧半径由0.8 mm增至1.2 mm时，Ra呈上升趋势；刀尖圆弧半径不超过0.8 mm且浓度在8%–10%时，两者交互作用最为显著，可获得更低的Ra值。
**4.3 HAZ响应曲面分析**
Trim E950的HAZ交互图表明，进给率为0.16 mm/tooth时所有表面速度下均可获得较低的HAZ值；较高的轴向切削深度和表面速度有助于改善HAZ；8%–10%的冷却液浓度在所有进给率下均可获得较低的HAZ值。乙二醇的HAZ响应曲面显示，采用0.4 mm刀尖圆弧半径和10%浓度可获得更低的HAZ值；表面速度与润滑剂浓度在8%–10%范围内的交互作用可降低HAZ；轴向切削深度为2.5 mm、浓度为10%、表面速度高达900 mm/min时HAZ值较低。
**4.4 残差图分析**
Ra和HAZ的残差图显示残差围绕零参考线随机分布，实验值与预测值间具有良好一致性，未发现明显异常值或趋势，证实了加工实验的良好控制性以及所建立的ANOVA模型的有效性。
**4.5 SEM表面形貌分析**
SEM分析表明，Trim E950在8%浓度时表面存在明显微裂纹或表面撕裂及进给痕迹，而10%和12%浓度时表面几乎光滑，微裂纹和凹痕较少。乙二醇在8%浓度时表面仅有极微小凹痕和少量不规则区域，10%和12%浓度时表面出现微观不规则和粗糙纹理及浅槽。这直观反映两种润滑剂在不同浓度下的润滑性能差异。
**4.6 机器学习模型验证与评估**
随机森林回归模型通过5折交叉验证和训练-测试分割进行评估。交叉验证结果表明模型性能稳定，R2、MSE和MAE值在各折间保持相对一致，无明显过拟合现象。特征重要性分析显示，进给率和润滑剂浓度对Ra和HAZ预测的贡献最大，与ANOVA结果吻合。80–20和70–30两种分割方案下，模型对Ra均表现出较强的预测能力（R2>0.96），而对HAZ的预测精度相对中等（R2约0.62–0.68），这可能与实验数据集规模有限有关。
**五、讨论总结与研究结论**
**讨论部分总结：** 本研究表明，进给率和刀尖圆弧半径是影响表面光洁度的关键因素，其中进给率对改善表面质量的贡献最为突出。两种冷却液在不同浓度下表现出不同的润滑特性：Trim E950在12%浓度下可获得最佳表面质量，而乙二醇在8%浓度下表现更优，且乙二醇在900 mm/min的高表面速度下仍能获得良好加工效果，显示出其在更高切削效率场景下的应用潜力。响应曲面分析和SEM形貌观察从不同尺度证实了冷却液浓度对加工表面质量的重要影响。机器学习模型验证了实验数据的可靠性，并展示了数据驱动方法在加工响应预测中的可行性。研究结果为铝锂合金的绿色加工提供了新的技术路径和工艺优化方向。
**研究结论翻译：** 本实验研究使用Trim E950和乙二醇两种冷却液对Al–Li 2050合金进行了加工分析，考察了表面速度、进给率、轴向切削深度、刀尖圆弧半径和润滑剂浓度对Ra和HAZ的影响。采用中心复合设计（CCD）建立模型，应用方差分析（ANOVA）验证模型精度，并使用ML模型以80–20和70–30的数据分割方式进行数据验证。主要结论如下：（1）对于Trim E950，所有单一变量对Ra影响高度显著，除表面速度外对HAZ影响高度显著；特定交互项对Ra和HAZ影响高度显著；Ra和HAZ的优化值分别为0.211 μm和20.82 IACS；模型R2分别为95.01%（Ra）和96.86%（HAZ）。（2）对于乙二醇，进给率和刀尖圆弧半径对Ra影响高度显著，所有变量对HAZ影响高度显著；特定交互项对Ra影响显著；Ra和HAZ的优化值分别为0.21 μm和20.3 IACS；模型R2分别为95.26%（Ra）和95.5%（HAZ）。（3）交互作用图显示，较低的进给率（400 mm/min）配合10%–12%润滑剂浓度可获得Ra=0.177 μm和HAZ=20.82 IACS的优化结果。Trim E950在铝锂合金加工中表现出色，而乙二醇在900 mm/min高表面速度、8%低浓度和0.4 mm刀尖圆弧半径条件下可获得Ra=0.21 μm和HAZ=20.3 IACS的优化结果。（4）200×放大倍数下的表面形貌研究表明，12%浓度的Trim E950和8%浓度的乙二醇可产生光滑且缺陷最少的加工表面。（5）ML模型的成功实施验证了实验数据的可靠性，80–20和70–30两种分割方案均获得了较高的预测精度。本ML分析证明了数据驱动预测方法在加工响应建模中的可行性，但在HAZ预测方面仍需更多实验数据以提升模型鲁棒性和泛化能力。
