ПРОБЛЕМА ТЕХНОЛОГИЧЕСКОГО ОБЕСПЕЧЕНИЯ СТАБИЛЬНОСТИ ОПЕРАЦИЙ ГЛУБОКОГО СВЕРЛЕНИЯ ПРИ ОБРАБОТКЕ КРУПНОГАБАРИТНЫХ КУЗНЕЧНО-ПРЕССОВЫХ ЗАГОТОВОК НА МНОГОЦЕЛЕВЫХ СТАНКАХ С ЧПУ

Обложка

Цитировать

Полный текст

Аннотация

В статье рассматривается проблема технологического обеспечения стабильности операций глубокого сверления, выполняемых на автоматизированном оборудовании – многоцелевых станках с ЧПУ. Рассмотрена группа деталей, изготавливаемых из крупногабаритных кузнечно-прессовых заготовок. Показано, что перевод обработки с универ-сального горизонтально-расточного станка с использованием комплекта специальных сверл и зенкеров позволяет исключить необходимость изготовления специального инструмента и повысить режимы резания, однако сохраняет-ся проблема стабильности обработки. Исследование твердости таких поковок обнаружило неравномерность дан-ной характеристики на различных участках заготовки. Несмотря на то, что с точки зрения статистики совокуп-ность экспериментальных данных является однородной и технологический процесс металлургического производства поковки является стабильным, выявленное непостоянство твердости оказывается весьма чувствительным для по-следующей стадии механической обработки, а именно для такого специального вида обработки как глубокое сверле-ние. Экспериментальные исследования стружкообразования при обработке отверстий подтвердили приведенное положение. Отмечено, что задача управления работоспособностью инструментов и качеством получаемых поверх-ностей должна решаться как на стадии технологической подготовки производства, так и непосредственно при вы-полнении операций. Последнее может быть решено посредством адаптивного управления, которое на современных серийно выпускаемых многоцелевых станках с ЧПУ реализуется по величине действующей мощности резания, что не требует переоборудования автоматизированного станочного парка механообрабтывающих участков. Приведено обоснование выбора факторов и уровней их варьирования для построения регрессионных моделей, предназначенных
для технологической подготовки и адаптивного управления операциями глубокого сверления на многоцелевых станках с ЧПУ.

Об авторах

Александр Рональдович Ингеманссон

АО «ФНПЦ «Титан-Баррикады»

Email: aleing@yandex.ru
кандидат технических наук

Никита Андреевич Толстяков

Волгоградский государственный технический университет

Список литературы

  1. Плотников А. Л., Чигиринский Ю. Л., Тихонова Ж. С., Фролов Е. М., Крайнев Д. В. Как научить систему ЧПУ решать технологическую задачу по выбору надёжных значений параметров процесса металлообработки // Наукоёмкие технологии в машиностроении. 2022. №. 3. С. 32−39. DOI: https://doi.org/10.30987/2223-4608-2022-3-32-39.
  2. Бутенко В. И., Лебедев В. А., Колганова Е. Н., Кадач Р. Г. Эффективные способы заточки металлорежущих инструментов из быстрорежущей стали и твёрдых сплавов // Наукоёмкие технологии в машиностроении. 2024. №. 11. С. 44−48. DOI: https://doi.org/10.30987/2223-4608-2024-44-48.
  3. Старков В. К. Физика и оптимизация резания материалов. М.: Машиностроение, 2009. 640 с.
  4. Григорьев С. Н., Маслов А. Р. Обработка резанием в автоматизированном производстве: учебник. М.: Машиностроение, 2008. 372 с.
  5. Шатцль Д., Коль Р. Глубокое сверление // РИТМ машиностроения. 2015. №. 5. С. 37−39.
  6. Ингеманссон А. Р., Толстяков Н. А. Исследование рассеяния твердости крупногабаритных кузнечно-прессовых заготовок и влияния на обрабатываемость резанием // Известия Волгоградского государственного технического университета. 2023. № 8. С. 18−21. doi: https://doi.org/10.35211/1990-5297-2023-8-279-18-21.
  7. Толстяков Н. А., Ингеманссон А. Р. Влияние неравномерного распределения твердости в крупногабаритных кузнечно-прессовых заготовках на характеристики стружкообразования на операциях глубокого сверления // Известия Волгоградского государственного технического университета. 2024. № 3. С. 30−33. DOI: https://doi.org/10.35211/1990-5297-2024-3-286-30-33.
  8. Суслов А. Г., Петрешин Д. И., Шалыгин М. Г., Хандожко В. А. Автоматизированное технологическое обеспечение и повышение эксплуатационных свойств деталей машин // Наукоёмкие технологии в машиностроении. 2024. №. 7. С. 24−33. DOI: https://doi.org/10.30987/2223-4608-2024-24-33.
  9. Унянин А. Н., Финагеев П. Р. Исследование эффективности методики коррекции режима процесса механической обработки с изменяющимися во времени параметрами в условиях неопределенности технологической информации // Наукоёмкие технологии в машиностроении. 2023. №. 12. С. 23−29. doi: https://doi.org/10.30987/2223-4608-2023-23-29.
  10. Korloy. Metal cutting tools: catalogue. South Korea: Korloy Publ., 2017. P. 1060.
  11. Верещака А. С., Третьяков И. П. Режущие инструменты с износостойкими покрытиями. М.: Машиностроение, 1986. 192 с.
  12. Справочник технолога / под общей ред. А. Г. Суслова. М.: Инновационное машиностроение, 2019. 800 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».