Вероятностная модель удаления поверхностного слоя при шлифовании хрупких неметаллических материалов

Обложка

Цитировать

Полный текст

Аннотация

Введение. Окончательное качество изделий формируется на финишных операциях, к числу которых относится процесс шлифования. Известно, что при шлифовании хрупких материалов стоимость шлифовальных работ существенно возрастает. Уменьшить разброс показателей качества изделий при шлифовании хрупких материалов, а также повысить надежность и эффективность операции возможно путем выбора оптимальных параметров технологической системы на основе динамических моделей процесса. Однако для описания закономерностей удаления частиц хрупкого неметаллического материала и износа поверхности шлифовального круга в зоне контакта известные модели не позволяют учитывать особенности процесса, при котором сочетаются микрорезание и хрупкое скалывание материала. Цель работы: создание новой вероятностной модели удаления поверхностного слоя при шлифовании хрупких неметаллических материалов. Задачей является исследование закономерностей удаления частиц хрупкого неметаллического материала в зоне контакта. В работе удаление материала в зоне контакта в результате воздействия микрорезания и хрупкого скалывания рассмотрено как случайное событие. Методами исследования являются математическое и физическое моделирование с использованием основных положений теории вероятности, законов распределения случайных величин, а также теории резания и теории деформируемого твердого тела. Результаты и обсуждение. Разработанные математические модели позволяют проследить влияние на съем материала наложения единичных срезов друг на друга при шлифовании отверстий керамических материалов. Предложенные зависимости показывают закономерность съема припуска в пределах дуги контакта шлифовального круга с заготовкой. Рассмотренные особенности изменения вероятности удаления материала при контакте обрабатываемой поверхности с абразивным инструментом и предложенные аналитические зависимости справедливы для широкого диапазона режимов шлифования, характеристик кругов и ряда других технологических факторов. Полученные выражения позволяют найти величину съема материала также для схем торцевого, плоского и круглого наружного шлифования, для чего необходимо знать величину приращения съема за счет хрупкого разрушения в процессе развития микротрещин в поверхностном слое. Одним из путей определения величины этого приращения является имитационное моделирование процесса трещинообразования с помощью ЭВМ. Представленные результаты подтверждают перспективность развиваемого подхода к моделированию процессов механической обработки хрупких неметаллических материалов.

Об авторах

С. М. Братан

Email: serg.bratan@gmail.com
доктор техн. наук, профессор, Севастопольский государственный университет, ул. Университетская, 33, г. Севастополь, 299053, Россия, serg.bratan@gmail.com

С. И. Рощупкин

Email: st.roshchupkin@yandex.ru
канд. техн. наук, доцент, Севастопольский государственный университет, ул. Университетская, 33, г. Севастополь, 299053, Россия, st.roshchupkin@yandex.ru

А. О. Харченко

Email: khao@list.ru
канд. техн. наук, профессор, Севастопольский государственный университет, ул. Университетская, 33, г. Севастополь, 299053, Россия, khao@list.ru

А. С. Часовитина

Email: nastya.chasovitina@mail.ru
Севастопольский государственный университет, ул. Университетская, 33, г. Севастополь, 299053, Россия, nastya.chasovitina@mail.ru

Список литературы

  1. Malkin S., Guo C. Grinding technology: theory and applications of machining with abrasives. – New York: Industrial Press, 2008. – 372 р. – ISBN 978-0-8311-3247-7.
  2. Hou Z.B., Komanduri R. On the mechanics of the grinding process. Pt. 1. Stochastic nature of the grinding process // International Journal of Machine Tools and Manufacture. – 2003. – Vol. 43. – P. 1579–1593. – doi: 10.1016/S0890-6955(03)00186-X.
  3. Lajmert P., Sikora V., Ostrowski D. A dynamic model of cylindrical plunge grinding process for chatter phenomena investigation // MATEC Web of Conferences. – 2018. – Vol. 148. – P. 09004. – doi: 10.1051/matecconf/20181480900.
  4. A time-domain surface grinding model for dynamic simulation / M. Leonesio, P. Parenti, A. Cassinari, G. Bianchi, M. Monn // Procedia CIRP. – 2012. – Vol. 4. – P. 166–171. – doi: 10.1016/j.procir.2012.10.030.
  5. Sidorov D., Sazonov S., Revenko D. Building a dynamic model of the internal cylindrical grinding process // Procedia Engineering. – 2016. – Vol. 150. – P. 400–405. – doi: 10.1016/j.proeng.2016.06.739.
  6. Zhang N., Kirpitchenko I., Liu D.K. Dynamic model of the grinding process // Journal of Sound and Vibration. – 2005. – Vol. 280. – P. 425–432. – doi: 10.1016/j.jsv.2003.12.006.
  7. Estimation of dynamic grinding wheel wear in plunge grinding / M. Ahrens, J. Damm, M. Dagen, B. Denkena, T. Ortmaier // Procedia CIRP. – 2017. – Vol. 58. – P. 422–427. – doi: 10.1016/j.procir.2017.03.247.
  8. Garitaonandia I., Fernandes M.H., Albizuri J. Dynamic model of a centerless grinding machine based on an updated FE model // International Journal of Machine Tools and Manufacture. – 2008. – Vol. 48. – P. 832–840. – doi: 10.1016/j.ijmachtools.2007.12.001.
  9. Tawakolia T., Reinecke H., Vesali A. An experimental study on the dynamic behavior of grinding wheels in high efficiency deep grinding // Procedia CIRP. – 2012. – Vol. 1. – P. 382–387. – doi: 10.1016/j.procir.2012.04.068.
  10. Dynamic modeling and simulation of a nonlinear, non-autonomous grinding system considering spatially periodic waviness on workpiece surface / J. Jung, P. Kim, H. Kim, J. Seok // Simulation Modelling Practice and Theory. – 2015. – Vol. 57. – P. 88–99. – doi: 10.1016/j.simpat.2015.06.005.
  11. Yu H., Wang J., Lu Y. Modeling and analysis of dynamic cutting points density of the grinding wheel with an abrasive phyllotactic pattern // The International Journal of Advanced Manufacturing Technology. – 2016. – Vol. 86. – P. 1933–1943. – doi: 10.1007/s00170-015-8262-0.
  12. Guo J. Surface roughness prediction by combining static and dynamic features in cylindrical traverse grinding // The International Journal of Advanced Manufacturing Technology. – 2014. – Vol. 75. – P. 1245–1252. – doi: 10.1007/s00170-014-6189-5.
  13. A new approach for dynamic modelling of energy consumption in the grinding process using recurrent neural networks / A. Arriandiaga, E. Portillo, J.A. Sanchez, I. Cabanes, I. Pombo // Neural Computing and Applications. – 2016. – Vol. 27. – P. 1577–1592. – doi: 10.1007/s00521-015-1957-1.
  14. Soler Ya.I., Le N.V., Si M.D. Influence of rigidity of the hardened parts on forming the shape accuracy during flat grinding // MATEC Web of Conferences. – 2017. – Vol. 129. – P. 01076. – doi: 10.1051/matecconf/201712901076.
  15. Солер Я.И., Хоанг Н.А. Влияние глубины резания на высотные шероховатости инструментов из стали У10А при плоском шлифовании кругами из кубического нитрида бора // Авиамашиностроение и транспорт Сибири: сборник материалов IX Всероссийской научно-практической конференции / Иркутский национальный исследовательский технический университет. – Иркутск, 2017. – С. 250–254.
  16. Calculation of surface roughness parameters for external cylindrical grinding / Yu. Novoselov, S. Bratan, V. Bogutsky, Yu. Gutsalenko // Fiabiltate si Durabilitate = Fiability and Durability. – 2013. – Suppl. 1. – P. 5–15.
  17. Новоселов Ю.К. Динамика формообразования поверхностей при абразивной обработке. – Севастополь: СевНТУ, 2012. – 304 с. – ISBN 978-617-612-051-3.
  18. Лобанов Д.В., Янюшкин А.С., Архипов П.В. Напряженно-деформированное состояние твердосплавных режущих элементов при алмазном затачивании // Вектор науки Тольяттинского государственного университета. – 2015. – № 3-1 (33-1). – С. 85–91. – doi: 10.18323/2073-5073-2015-3-85-91.
  19. Kassen G., Werner G. Kinematische Kenngrößen des Schleifvorganges // Industrie-Anzeiger. – 1969. – N 87. – P. 91–95.
  20. Identification of removal parameters at combined grinding of conductive ceramic materials / S. Bratan, S. Roshchupkin, A. Kolesov, B. Bogutsky // MATEC Web of Conferences. – 2017. – Vol. 129. – P. 01079. doi: 10.1051/matecconf/201712901079.
  21. Гусев В.В., Моисеев Д.А. Износ алмазного шлифовального круга при обработке керамики // Прогрессивные технологии и системы машиностроения. – 2019. – № 4 (67). – С. 25–29.
  22. Novoselov Yu., Bratan S., Bogutsky B. Analysis of relation between grinding wheel wear and abrasive grains wear // Procedia Engineering. – 2016. – Vol. 150. – P. 809–814. – doi: 10.1016/j.proeng.2016.07.116.

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».