Прогнозирование интенсивности изнашивания инструмента при обработке никелида титана ТН-1

Обложка

Цитировать

Полный текст

Аннотация

Введение. Одним из важнейших критериев оценки эффективности выбранной стратегии обработки заготовок является интенсивность изнашивания инструмента. Снижение интенсивности изнашивания приводит к уменьшению издержек производства, связанных с затратами на обрабатывающий инструмент, и к повышению производительности в целом. Цель данной работы: снижение интенсивности изнашивания инструмента при обработке заготовки из сплава с памятью формы никелида титана ТН-1. Методы. В рамках исследований выполнялся полный трехфакторный эксперимент по токарной обработке заготовки из указанного сплава с целью определения интенсивности изнашивания режущей пластины при широких диапазонах варьирования параметров режима резания. При испытаниях у получаемой стружки измерялись геометрические параметры толщина и ширина. Путем построения графиков зависимостей от параметров стружки, аппроксимации полученных зависимостей и оценки величины достоверности аппроксимации каждой из них определялся параметр для разработки методики прогнозирования интенсивности изнашивания. Результаты и обсуждение. В работе доказано, что для прогнозирования величины интенсивности изнашивания режущей пластины при точении заготовки из никелида титана ТН-1 целесообразно использовать зависимость от толщины получаемой стружки. Установленная математическая зависимость описывается системой уравнений, позволяющей определить интенсивность изнашивания режущей пластины и погрешность этого расчета. Вероятность точного попадания реального значения интенсивности изнашивания инструмента в представленную область составляет не менее 87,5 % при доверительной вероятности 95 %, что говорит о достаточной для практики точности. Суть разработанной в рамках данного исследования методики прогнозирования величины изнашивания режущей пластины заключается в выполнении пробного прохода резца с целью получения стружки, по толщине которой необходимо рассчитать величину интенсивности изнашивания и наиболее вероятной абсолютной погрешности по установленным зависимостям. В работе также определено, что зависимость интенсивности изнашивания имеет точку минимума. Это обстоятельство позволило установить значение минимальной возможной интенсивности изнашивания при обработке сплава ТН-1, а также погрешность расчета δVmin = (0,432 ± 0,096)·10–3 мм–2. При этом оптимальное значение толщины стружки a = 0,34 мм. Наиболее близким из испытанных режимов, обеспечивающих сопоставимую интенсивность изнашивания режущей пластины, равную 0,475·10–3 мм–2, является следующий: скорость резания 5 м/мин, подача 0,2 мм/об, глубина резания 0,3 мм. При этом толщина стружки составила 0,4 мм.

Об авторах

Антон Геннадьевич Кисель

Национальный исследовательский университет «МИЭТ»; Калининградский государственный технический университет

Email: kisel1988@mail.ru
ORCID iD: 0000-0002-8014-0550
SPIN-код: 7105-3051
Scopus Author ID: 57211275687
ResearcherId: B-9210-2019

канд. техн. наук, доцент

Россия, 124498, Россия, г. Зеленоград, пл. Шокина, 1, г. Москва; 236022, Россия, г. Калининград, Советский пр., 1

Николай Михайлович Бобровский

Национальный исследовательский университет «МИЭТ»; Тольяттинский государственный университет

Email: bobrnm@yandex.ru
ORCID iD: 0000-0002-9299-2822
SPIN-код: 4396-9017
Scopus Author ID: 6507699033
ResearcherId: Q-2015-2015

доктор техн. наук, доцент

Россия, 124498, Россия, г. Зеленоград, пл. Шокина, 1, г. Москва; 445020, Россия, г. Тольятти, ул. Белорусская, 14

Дмитрий Борисович Подашев

Калининградский государственный технический университет

Email: dbp90@mail.ru
ORCID iD: 0000-0001-9112-9253
SPIN-код: 3538-1829

доктор техн. наук, доцент

Россия, 236022, Россия, г. Калининград, Советский пр., 1

Павел Валерьевич Целиков

Калининградский государственный технический университет

Email: Patersort@list.ru
ORCID iD: 0009-0008-6040-0600
SPIN-код: 7202-1420

аспирант

Россия, 236022, Россия, г. Калининград, Советский пр., 1

Ренат Уахитович Каменов

Национальный исследовательский университет «МИЭТ»; Тольяттинский государственный университет

Автор, ответственный за переписку.
Email: renatkamenov@mail.ru
ORCID iD: 0000-0001-9181-5704
SPIN-код: 8700-2134
Scopus Author ID: 57211275221
ResearcherId: В-4846-2018

канд. техн. наук

Россия, 124498, Россия, г. Москва, г. Зеленоград, пл. Шокина, 1; 445020, Россия, г. Тольятти, ул. Белорусская, 14

Список литературы

  1. Zhang G., Wang J. Tool wear mechanism and suppression in machining ferrous materials // Material-oriented cutting processes in precision machining. – Singapore: Springer, 2025. – P. 109–145. – (Springer tracts in mechanical engineering). – doi: 10.1007/978-981-96-2504-8_5.
  2. Фам Х.Ч., Чигиринский Ю.Л., Полянчиков Ю.Н. Методы снижения интенсивности изнашивания твердосплавного инструмента // Фундаментальные исследования. – 2017. – № 12-1. – С. 132–137.
  3. Унянин А.Н., Финагеев П.Р. Исследование эффективности методики коррекции режима процесса механической обработки с изменяющимися во времени параметрами в условиях неопределенности технологической информации // Наукоемкие технологии в машиностроении. – 2023. – № 12 (150). – С. 23–29. – doi: 10.30987/2223-4608-2023-23-29.
  4. Optimization of cutting modes during machining of difficult-to-cut materials / Y. Kusyi, A. Kuk, N. Hryniv, Y. Danylo // New Technologies, Development and Application VIII (NT 2025). – Cham, Switzerland: Springer, 2025. – P. 451–458. – (Lecture Notes in Networks and Systems; vol. 1482). – doi: 10.1007/978-3-031-95194-7_46.
  5. Чигиринский Ю.Л., Фам Х.Ч. Особенности механической обработки дуплексных коррозионностойких сталей // Известия Волгоградского государственного технического университета. – 2016. – № 5 (184). – С. 51–54.
  6. Cutting-tool wear and hardening of high-speed steel by local electrospark coating application / V.N. Gadalov, R.E. Abashkin, Yu.V. Boldyrev, E.F. Balabaeva, A.I. Lytkin // Russian Engineering Research. – 2009. – Vol. 29 (4). – P. 419–422. – doi: 10.3103/S1068798X09040200.
  7. Влияние многослойных покрытий на основе циркония и титана на износостойкость твердосплавного инструмента при точении нержавеющей стали / Е.В. Фоминов, М.М. Алиев, Ю.А. Тороп, А.Е. Мироненко, А.В. Фоменко, А.А. Марченко // Упрочняющие технологии и покрытия. – 2022. – Т. 18, № 11 (215). – С. 494–496. – doi: 10.36652/1813-1336-2022-18-11-494-496.
  8. Study of the effect of microgeometry parameters of the cutting edge on cutting force, wear, and machinability during milling / A.S. Babaev, V.N. Kozlov, A.R. Semenov, A.S. Shevchuk, V.A. Ovcharenko // Russian Engineering Research. – 2024. – Vol. 44 (12). – P. 1756–1766. – doi: 10.3103/S1068798X24703271.
  9. Дубров Д.Ю. Снижение интенсивности размерного износа режущих инструментов // Вестник Евразийской науки. – 2018. – Т. 10, № 5. – Ст. 73.
  10. Кирейнов А.В., Есов В.Б. Влияние полусинтетической СОЖ с металлоорганическими присадками на износ твердосплавного инструмента при точении коррозионностойкой стали 12Х18Н10Т // Фундаментальные и прикладные проблемы техники и технологии. – 2018. – № 5 (331). – С. 70–73.
  11. Performance of cutting fluids with nanoparticles in the Ti5553 alloy turning process using high-speed cutting / R.G. Dos Santos, J.M.F. De Paiva, R.D. Torres, F.L. Amorim // The International Journal of Advanced Manufacturing Technology. – 2025. – Vol. 136 (10). – P. 4623–4645. – doi: 10.1007/s00170-025-15126-5.
  12. Nelson N., Nair A.R. The coupling of heat transfer between tool–chip–workpiece interfaces and the wear rate while applying nanofluids as cutting fluids in MQCL-assisted machining: a comprehensive review // Journal of Thermal Analysis and Calorimetry. – 2025. – Vol. 150. – P. 9743–9774. – doi: 10.1007/s10973-025-14400-8.
  13. Cutting performance and machining economy of the hard cutting tools in clean cutting of hardened H13 steel / Ch. Jing, G. Zheng, X. Cheng, Yu. Cui, H. Liu, H. Zhang // The International Journal of Advanced Manufacturing Technology. – 2024. – Vol. 130 (11–12). – P. 5165–5179. – doi: 10.1007/s00170-024-13012-0.
  14. Ковалевский С.В., Ковалевская Е.С., Кошевой А.О. Высоковольтный разряд как фактор повышения режущих свойств неперетачиваемых пластин // Обработка металлов (технология, оборудование, инструменты). – 2018. – Т. 20, № 3. – С. 6–17. – doi: 10.17212/1994-6309-2018-20.3-6-17.
  15. Математическая модель процесса точения с использованием вибрационного воздействия на режущий инструмент / А.Н. Синько, Т.Ю. Никонова, В.В. Юрченко, А.К. Матешов, И.А. Марченко // Морские интеллектуальные технологии. – 2020. – № 2-1 (48). – С. 216–222. – doi: 10.37220/MIT.2020.48.2.045.
  16. Снижение температурно-силовой напряженности процесса резания при использовании опережающего пластического деформирования / А.А. Бондарев, Я.Н. Отений, Ю.Н. Полянчиков, Д.В. Крайнев // Наукоемкие технологии в машиностроении. – 2016. – № 3 (57). – С. 40–44.
  17. Амбросимов С.К. Снижение сил резания при опережающем пластическом деформировании металлов // Вестник Брянского государственного технического университета. – 2018. – № 7 (68). – С. 13–18. – doi: 10.30987/article_5ba8a1865b1200.15607548.
  18. Kupczyk M.J. The use of the addition of Cr3C2 in nanocrystalline sintered carbides to create a composite tool material with better operational properties // Materials Design And Applications V. – Cham, Switzerland: Springer, 2024. – P. 3–14. – (Advanced Structured Materials; vol. 212). – doi: 10.1007/978-3-031-73906-4_1.
  19. Predicting cutting tool life: models, modelling, and monitoring / S. Khadka, R.A. Rahman Rashid, G. Stephens, A. Papageorgiou, J. Navarro-Devia, S. Hägglund, S. Palanisamy // The International Journal of Advanced Manufacturing Technology. – 2025. – Vol. 136 (7–8). – P. 3037–3076. – doi: 10.1007/s00170-024-14961-2.
  20. Thakur R., Sahu N.K., Shukla R.K. Parametric optimization of dry turning for improved machining of duplex stainless steel (DSS2205) using response surface methodology (RSM) and design of experiments (DOE) // Sadhana. – 2025. – Vol. 50 (1). – P. 2. – doi: 10.1007/s12046-024-02649-y.
  21. Vagaská A., Gombár M., Panda A. Application of mathematical programming methods in optimization of cutting conditions in machining processes // Optimization Methods in Mathematical Modeling of Technological Processes. – Cham, Switzerland: Springer, 2023. – P. 95–127. – (Mathematical Engineering). – doi: 10.1007/978-3-031-35339-0_6.
  22. Kolocheva V.V., Boridko N.V. Methodology for assessing the competitiveness of metal-cutting tools // Ecological Footprint of the Modern Economy and the Ways to Reduce It. – Cham, Switzerland: Springer, 2024. – P. 251–256. – (Advances in Science, Technology & Innovation). – doi: 10.1007/978-3-031-49711-7_42.
  23. Bayesian neural networks modeling for tool wear prediction in milling Al 6061 T6 under MQL conditions / J. Airao, A. Gupta, Ch.K. Nirala, A.W.J. Hsue // The International Journal of Advanced Manufacturing Technology. – 2024. – Vol. 135 (5–6). – P. 2777–2788. – doi: 10.1007/s00170-024-14678-2.
  24. Lapshin V.P., Turkin I.A., Dudinov I.O. Compilation of a set of informative features for neural network-based determination of minimum vibration of cutting tools // Russian Engineering Research. – 2024. – Vol. 44 (9). – P. 1356–1362. – doi: 10.3103/S1068798X24702101.
  25. Mokriskij B.Y., Morozova A.V. Controlling the parameters of the cutting technological system by the dissipative structures state // Proceedings of the 8th International Conference on Industrial Engineering. ICIE 2022. – Cham, Switzerland: Springer, 2023. – (Lecture Notes in Mechanical Engineering). – doi: 10.1007/978-3-031-14125-6_91.
  26. Experimental Investigation of tool lifespan evolution during turning operation based on the new spectral indicator OLmod / M.Kh. Babouri, N. Ouelaa, M.Ch. Djamaa, Z. Ouelaa, L. Chaabi, A. Djebala // Journal of Vibration Engineering and Technologies. – 2024. – Vol. 12. – P. 5455–5473. – doi: 10.1007/s42417-023-01175-1.
  27. Optimization of cutting modes during sustainable machining of products based on economic criteria / Y. Kusyi, O. Kostiuk, A. Kuk, A. Attanasio, P. Cocca // Advanced Manufacturing Processes V (InterPartner 2023). – Cham, Switzerland: Springer, 2024. – P. 167–181. – (Lecture Notes in Mechanical Engineering). – doi: 10.1007/978-3-031-42778-7_16.
  28. Володько С.С. Разработка технологии получения компактных заготовок из порошковых интерметаллидов TiNi и (Ti,Hf)Ni на основе гидридно-кальциевого синтеза: дис. … канд. техн. наук. – М., 2022. – 110 с.
  29. Карелин Р.Д. Формирование структуры и функциональных свойств никелида титана на основе квазинепрерывной интенсивной пластической деформации в цикле Р.К.У.П. и ротационной ковки: дис. … канд. техн. наук. – М., 2021. – 129 с.
  30. Метод количественного описания зависимости модуля Юнга никелида титана от температуры / И.Н. Андронов, Н.П. Богданов, Н.А. Северова, А.В. Тарсин // Известия Коми научного центра УрО РАН. – 2013. – № 3 (15). – С. 87–90.
  31. Патент № 2821357 C1 Российская Федерация, МПК F16K 17/38, F16K 17/40. Клапан однократного действия высокого давления: № 2023130441: заявл. 21.11.2023: опубл. 21.06.2024 / Н.М. Вертаков, В.А. Гречушников, А.В. Каташов, В.А. Панфилов; заявитель Акционерное общество «Опытное конструкторское бюро «Факел».
  32. Makhalov M.S., Blumenstein V.Yu. The residual stress modeling in surface plastic deformation machining processes with the metal hardening effect consideration // Solid State Phenomena. – 2022. – Vol. 328. – P. 27–37. – doi: 10.4028/p-z92o0e.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Примечание

Финансирование:

Исследование выполнено за счет гранта Российского научного фонда № 22-19-00298-П, https://rscf.ru/project/22-19-00298/ .



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».