Un estudio sistemático de la optimización de los parámetros del proceso RUM y su influencia en las características de las piezas de níquel 718

Scientific Reports volumen 13, Número de artículo: 1716 (2023) Citar este artículo

510 Accesos

1 Citas

Detalles de métricas

Esta investigación se centra en el taladrado de superaleaciones a base de níquel con broca de núcleo metálico de diamante e identificó los parámetros significativos del mecanizado ultrasónico rotatorio que optimizan la tasa de mecanizado (MR) y la calidad de la superficie. Cuatro parámetros generales: material de la pieza de trabajo, grosor de la pieza de trabajo, material de la herramienta y tamaño de la herramienta; y cuatro parámetros RUM: la rotación de la herramienta, la velocidad de avance, la potencia nominal ultrasónica y el tamaño de grano abrasivo de la herramienta se probaron contra la calidad de la superficie del corte. Los resultados indicaron que el valor máximo de MR de 0,8931 mm3/s se adquiere a un nivel más alto de rotación de la herramienta, velocidad de avance, potencia ultrasónica y nivel moderado de tamaño de grano abrasivo de diamante. La rugosidad superficial mínima (Ra) de 0,554 µm se observa a un nivel más alto de rotación rotacional, un valor moderado de velocidad de avance, potencia ultrasónica y tamaño de grano abrasivo de diamante. Además, para funciones de objetivo único y multiobjetivo, se utiliza el enfoque de optimización de enjambre de partículas (PSO) para encontrar los valores óptimos para los parámetros del proceso. Además, también se utiliza un microscopio electrónico de barrido para comprobar la superficie mecanizada después de RUM. Se concluye que se observan microfisuras en la superficie maquinada.

Con el desarrollo de la tecnología de motores aeronáuticos, los materiales compuestos y difíciles de cortar se utilizan cada vez más en los nuevos motores. Este hallazgo muestra que existe una mayor necesidad de técnicas de procesamiento y capacidades de componentes para el mecanizado de materiales desafiantes.

Las superaleaciones a base de níquel son una clase única de materiales metálicos con una notable combinación de resistencia a temperaturas elevadas, tenacidad y resistencia al deterioro en condiciones corrosivas u oxidantes1.

La Figura 1 muestra el avance en la capacidad de temperatura de las superaleaciones a base de níquel, que ha aumentado año tras año debido al procesamiento avanzado, el desarrollo de aleaciones, el uso de recubrimientos de barrera térmica y esquemas de enfriamiento innovadores y efectivos2. Los componentes del motor de la aeronave, como la carcasa, los discos del compresor, el anillo del cojinete, las palas, el disco de la turbina y otras piezas que funcionan a altas temperaturas, están fabricados con superaleaciones a base de níquel debido a su alta resistencia, fuerte resistencia a la corrosión, excelente térmica propiedades de fatiga y estabilidad térmica3. Las numerosas superaleaciones a base de níquel que se utilizan en los motores a reacción se enumeran en la Fig. 2.

El desarrollo en la capacidad de temperatura de ruptura por fluencia de las superaleaciones de base Ni por debajo de 1100 ℃—137 MPa3.

Se utiliza para superaleaciones a base de níquel, que normalmente representan alrededor del 50 % del peso de un motor a reacción.

El cincuenta por ciento de las partes del motor a reacción está fabricado con Inconel 718. El Inconel es una aleación de Ni-Fe-Cr4. Sin embargo, la resistencia a la tracción del Inconel 718 puede alcanzar los 1393 MPa a temperatura ambiente. El mecanizado del componente se vuelve duro debido a su maquinabilidad. Tiene maquinabilidad solo del 8 al 20% del acero, lo que conduce a un procesamiento ineficiente.

Además, el mecanizado de superaleaciones a base de níquel da como resultado un mayor desgaste por oxidación de la herramienta, desgaste adhesivo, desgaste mecánico y por difusión, lo que reduce la vida útil de la herramienta. Por ejemplo, el taladrado basto y fino de un álabe de superaleación a base de níquel con una longitud de taladrado medio requiere más tiempo. Para el mecanizado de superaleaciones, se considera que el desgaste frecuente de la herramienta es el factor directo que limita la eficiencia del procesamiento, mientras que el fuerte aumento de temperatura causado por la superficie muy endurecida por trabajo que se está mecanizando es un factor clave para acelerar el desgaste de la herramienta5.

Según Habeeb et al.6, el agrietamiento inducido térmicamente fue la razón principal de la falla de la herramienta a altas velocidades de corte. Esto sucede como resultado de que los bordes están sujetos a una cantidad significativa de choque térmico como resultado de la alta temperatura provocada por las altas velocidades de corte y el cambio de temperatura significativo7. El taladrado convencional suele enfrentarse a algunas dificultades debido a la localización del calor en la zona de corte como resultado de la incrustación del taladro en la pieza de trabajo. La temperatura de corte afecta directamente la precisión dimensional del orificio perforado, la calidad de la superficie y la vida útil de la herramienta. Lofti et al. utilizó la perforación asistida por ultrasonidos en presencia de una cantidad mínima de lubricación de nanofluido para acero 1045 y encontró que debido a la reducción del coeficiente de fricción causado por la aplicación de vibración ultrasónica, el modo de desgaste de la superficie perforada cambia de tipo adhesivo a uno abrasivo y la formación de construido El borde hacia arriba está restringido, lo que da como resultado un mejor acabado superficial8,9. Lofti et al. desarrolló un modelo mecánico de deflexión de la pieza de trabajo para aluminio 7075. Se realizó una perforación asistida por ultrasonidos y sin ella en la pieza de trabajo. Se encontró que tanto en el enfoque experimental como en el teórico, con el aumento de la velocidad de avance se produce un aumento de la deflexión de la pieza de trabajo. Esto se debe al aumento en los valores de la fuerza de empuje que estuvo significativamente influenciado por el movimiento de avance10. Aunque las herramientas de corte súper duras como CBN y PCBN desempeñan un papel en la mejora de la eficiencia de procesamiento de las superaleaciones a base de níquel, las herramientas de corte de cerámica como la matriz de alúmina y el Si3N4 siguen desempeñando un papel importante. Se encuentra que la herramienta CBN es capaz de mecanizar Inconel 718 en comparación con la herramienta de carburo. En el escenario actual, el mecanizado ultrasónico rotativo (RUM) se puede emplear para el mecanizado de materiales de estructura compleja y resistente, como cerámica, titanio, vidrio, etc.11 La Figura 3 indica el método de procesamiento de RUM. Una broca sacanúcleos rotativa con abrasivos de diamante con aglomerante metálico se hace vibrar ultrasónicamente y se alimenta hacia la pieza de trabajo a una velocidad de avance constante o una fuerza (presión) constante. El refrigerante bombeado a través del núcleo de la broca lava las virutas, evita que la broca se atasque y la mantiene fría. Hay dos mecanismos para el proceso RUM: en primer lugar, mediante el proceso de vibración ultrasónica, se realiza la eliminación de material; en segundo lugar, a través del tradicional proceso de pulido con abrasivo de diamante. Incluye el proceso de martillado, abrasión y extracción para el mecanizado en RUM.

Proceso principal de RUM.

Según el trabajo informado hasta ahora, Pei et al.11 es el primero que inició la investigación sobre RUM de material cerámico. El proceso RUM se puede emplear para diversas operaciones, como taladrado, rectificado y fresado frontal de cerámica con diferentes parámetros de proceso. Después de eso, es acelerado por Hu et al.12 para cerámica de zirconio. Se encuentra que la tasa máxima de eliminación de material (MRR) se logra a una potencia nominal de 40 a 70%. En 2005, Li et al.13 emplearon RUM para mecanizar dos compuestos cerámicos diferentes. Zeng et al.14 compararon el mecanizado ultrasónico con RUM para materiales cerámicos. Se observa que RUM proporcionó mejor MRR que el mecanizado ultrasónico. Zhang et al.15 emplearon RUM para operaciones de mecanizado en vidrio K9. Se encuentra que la velocidad de rotación no tiene un impacto significativo en la productividad. Lv et al.16 utilizaron RUM para vidrio BK7. Se observa que el daño subsuperficial en RUM se diferencia en trituración, astillado y agrietamiento del vidrio. Además de esto, también se llevan a cabo numerosos trabajos de investigación sobre aleaciones de titanio mediante el empleo de RUM17. Además, se realizan pocos trabajos de investigación sobre el uso de técnicas de optimización. Cong et al.18 crearon una técnica de diseño experimental para predecir la fuerza de corte del material CFRP en el mecanizado ultrasónico rotativo. El modelo desarrollado puede predecir la fuerza de corte en función de las variables de entrada, es decir, la amplitud de la herramienta, la velocidad de rotación de la herramienta, la velocidad de avance, el tamaño de la malla abrasiva y la concentración de partículas abrasivas. Lui et al.19 investigaron el microchip en el exterior del agujero durante el proceso de perforación en RUM. Los experimentos están diseñados según la metodología de superficie de respuesta utilizando el enfoque de deseabilidad. Teimouri et al.20 realizaron los experimentos con máquina ultrasónica sobre aleación de titanio grado I utilizando dos herramientas diferentes; acero de alto carbono (HSC) con una dureza de 56 HRC y la aleación de titanio (Ti) con una dureza de 42 HRC. Con el modelo de regresión se empleó la técnica de optimización multiobjetivo y se compararon los datos con otros algoritmos. Los resultados indicaron que el ICA supera a los otros algoritmos en ambos casos de tiempo de ejecución y valores de función objetivo en óptimos globales. En el presente estudio, se ha desarrollado un modelo mecánico de deflexión de la pieza de trabajo aplicable tanto a UAD como convencional.

Se revela a partir de la revisión de la literatura que los trabajos informados anteriormente se centraron en RUM de cerámica, titanio y vidrio. solo se han informado algunos estudios de investigación sobre RUM de material de superaleaciones a base de níquel. Las aleaciones a base de níquel tienen una amplia aplicación en la fabricación de motores a reacción y estructuras de reactores nucleares. no se ha llevado a cabo hasta el momento. El parámetro denominado "tamaño de grano abrasivo" de la herramienta se ha omitido en muchas de las investigaciones realizadas en RUM de numerosos materiales de trabajo. La variable "potencia ultrasónica" se ha investigado a un nivel muy bajo (30-40%) en el estudios de investigación anteriores. Por lo tanto, existe la necesidad de exponer el mecanizado de Inconel 718 a niveles de potencia más altos. En la contemplación de la discusión anterior, este artículo ha tenido como objetivo explorar el impacto de varios factores del proceso, como la velocidad de avance, la velocidad del husillo , potencia ultrasónica, tamaño de grano abrasivo en las características de mecanizado, es decir, MR y Ra en RUM de Inconel 718 mediante el empleo de RSM en forma de diseño compuesto central (CCD). También se utiliza una herramienta estadística de "análisis de varianza" (ANOVA). utilizado para verificar la viabilidad del modelo estadístico. El modelo matemático desarrollado a través de este enfoque será útil en la revelación industrial. La optimización de las características de mecanizado, es decir, MR y Ra en la superficie mecanizada con PSO (optimización de enjambre de partículas) tampoco ha sido nunca intentado anteriormente en estudios informados sobre RUM. La optimización concurrente de ambas respuestas de mecanizado hará que la aplicabilidad del método sea más significativa mientras resuelve problemas industriales de la vida real. Se ha intentado la optimización de respuesta múltiple para optimizar MR y Ra simultáneamente utilizando el enfoque MOPSO. Se ha analizado y presentado el análisis de microscopía electrónica de barrido (SEM) de muestras mecanizadas.

En esta investigación actual, el material de trabajo Inconel 718 es seleccionado para ensayos. La dimensión de la hoja cuadrada es de 50 × 50 × 5 mm. Las propiedades del material se muestran en la Tabla 1. Se realiza una prueba EDS antes del mecanizado para garantizar la calidad de la pieza de trabajo. La Figura 4a yb muestra los resultados de la prueba EDS. Para la perforación de la pieza de trabajo, se utiliza una herramienta de perforación con núcleo de diamante con aglomerante metálico para Inconel 718. La figura 5 muestra la vista pictórica de la herramienta de perforación con núcleo de diamante. Los diámetros exterior (OD) e interior (ID) de la herramienta de perforación con núcleo de diamante se seleccionan como 8 mm y 6,5 mm, respectivamente.

Análisis EDS de Inconel 718.

Vista fotográfica de una imagen de perforación de núcleo de diamante adherido con metal fabricado.

En el presente trabajo de investigación, RUM (Sonic-Mill Series 10-Sonic-Mill, Albuquerque, NM, Estados Unidos) se usa para operaciones de perforación para Inconel 718. La Figura 6 muestra la vista fotográfica de la configuración experimental. Para encontrar los resultados óptimos, las diversas pruebas se ejecutan a diferentes niveles de los parámetros del proceso, es decir, la rotación de la herramienta, la velocidad de avance, la potencia nominal y el tamaño abrasivo del diamante. La Tabla 2 muestra los diferentes valores de los parámetros de mecanizado de entrada para el presente estudio. Además de esto, los demás parámetros del proceso, como el diámetro de la herramienta de 8 mm, la frecuencia de vibración de 21 kHz, la amplitud de vibración de 25,3–25,8 µm y la presión del refrigerante de 300 kPa, se mantienen constantes. Además, durante la operación de corte se emplea un refrigerante soluble en agua diluido con aceite de corte (Mobilmet S-122, Mobil Oil Corporation, Fairfax, VA, Estados Unidos) que tiene una proporción de aceite a agua de 1:20 para eliminar el calor y escombros durante el proceso.

Montaje Experimental de RUM.

Los experimentos están diseñados según un diseño compuesto central (diseño giratorio). Según el diseño, se realizan un total de 21 experimentos. La Tabla 3 representa el diseño de experimentos para el presente trabajo de investigación. Las pruebas se realizan con dos réplicas. El valor promedio de las observaciones se da en la Tabla 4.

En el estudio actual, la velocidad de mecanizado (MR) y la rugosidad de la superficie (Ra) se consideran como parámetros de respuesta. La tasa de mecanizado se calcula a partir del método de medición del peso. En este método, se utiliza una balanza electrónica (± 0,0002 g) para calcular el peso de la pieza de trabajo antes y después de cada experimento. La ecuación. (1) se utiliza para calcular el MR. El volumen se calcula multiplicando la densidad por la masa. La rugosidad de la superficie de la muestra se calcula utilizando un probador de rugosidad (Marca: Surfcom, Flex)

La Tabla 4 muestra los resultados del estudio actual. Representa los valores medios de MR y Ra de dos experimentos para cada valor de entrada. Se observa que el MR máximo se obtiene en el experimento 1, mientras que la rugosidad mínima se obtiene en el experimento 12. Se utilizan tres criterios, como la prueba de falta de ajuste, la suma de cuadrados del modelo secuencial y las estadísticas generales del modelo. Para obtener mejores resultados, se utiliza un proceso de eliminación hacia atrás para eliminar los términos insignificantes en los modelos. Este proceso de eliminación mejora la adecuación del modelo al eliminar los términos no significativos del modelo cuadrático para preservar la jerarquía del modelo.

Las tablas 5 y 6 muestran los valores de los resultados después del proceso de eliminación hacia atrás. Está claro en las Tablas 5 y 6 que todos los parámetros de entrada son importantes. Además de esto, los valores F y los valores P también informan sobre la adecuación del modelo. El valor de la tabla F de este modelo se evalúa dividiendo el valor cuadrado promedio del modelo en los valores residuales cuadrados promedio. El valor F define la relación entre la varianza del modelo y la varianza residual. Si los valores de varianza son casi idénticos, la fracción es casi igual a 1 y el modelo no tiene un impacto importante en el rendimiento. El valor F obtenido del modelo para MR y Ra es 472,61 y 47,598, respectivamente, y tanto para MR como Ra el valor P es inferior a 0,05. Las tablas 5 y 6 muestran que el modelo obtenido para MR y Ra es significativo24.

El R2 se llama el coeficiente de determinación que indica el grado de cercanía entre el valor experimental y el valor predicho. El porcentaje de cercanía al 1 mostró el buen valor experimental frente al valor predicho. En el presente trabajo, el valor de R2 obtenido para MR y Ra resultó ser 98,7 % y 96,9 % respectivamente, como se muestra en las Tablas 5 y 6. adecuación del modelo. Muestra un acuerdo saludable entre el valor experimental y el valor predicho. "Precisión adecuada" que significa la relación señal-ruido (S/N). En general, el valor mayor a 4 es aceptable25. En ambas tablas ANOVA 5 y 6, no solo los parámetros individuales sino también de forma interactiva influye en los parámetros de respuesta, es decir, MR y Ra.

La Figura 7 representa la curva de probabilidad residual estándar que muestra que los residuos están dentro de los límites de ± 3 y que están fijados por las líneas rectas MR y Ra. La Figura 8 demuestra que los valores estimados del modelo son fieles a los valores experimentales de MR y Ra. Esto revela que los resultados de la tabla ANOVA son fiables. Las ecuaciones (2) y (3) representan el modelo de regresión para MR y Ra respectivamente.

Gráficas de residuos (a) MR y (b) Ra.

Predicho vs real (a) MR y (b) Ra.

La figura 9 muestra el impacto de los parámetros, es decir, la velocidad de rotación (rpm), la velocidad de avance (mm/seg), la potencia nominal ultrasónica (%) y el tamaño del grano abrasivo (malla) en la velocidad de mecanizado. Se observa que la velocidad de rotación no afecta significativamente al MR como se muestra en la Fig. 9a. Por el contrario, se observa que el MR cambia significativamente de 0,5512 a 0,8525 mm3/seg con un cambio en la tasa de penetración de 0,0125 a 0,0175 mm/seg como se muestra en la Fig. 9b. Se atribuye al ranurado profundo de partículas abrasivas a una velocidad de avance más alta y dio como resultado una MR más alta. La figura 9c muestra el impacto de la energía ultrasónica en MR. Se ve que el MR se incrementa de 0,6965 a 0,7109 mm3/seg para un aumento de potencia del 60 al 65%. Mayor aumento de potencia hasta un 70%, MR disminuye de 0,7109 a 0,6937 mm3/seg. Los resultados obtenidos son consistentes con el estudio previo de investigadores26,27.

Efectos de los parámetros RUM en MR (a) velocidad de rotación, (b) velocidad de alimentación, (c) potencia ultrasónica, (d) tamaño de grano abrasivo.

El efecto del tamaño del diamante en MR se muestra en la Fig. 9d. El tamaño del grano abrasivo es inversamente proporcional al valor de malla del grano abrasivo. Se observa que MR no cambia significativamente con el cambio en el tamaño del grano abrasivo. Además, la curvatura se observa en el efecto del tamaño del grano abrasivo sobre MR. Es una indicación del tamaño del grano del uso del diamante en la herramienta aglomerada para mejorar la tasa de mecanizado. Esto se debe a la penetración más profunda de las partículas abrasivas en la pieza de trabajo28.

La Figura 10a representa los efectos de interacción en MR. Se verifica a partir de la Ec. (2) que se encuentran dos interacciones significativas para MR. Es claramente visible que el MR máximo se obtiene en una región donde la velocidad de avance y la rotación de la herramienta son altas. Se atribuye al aumento de la longitud de contacto de las partículas abrasivas de diamante. Por el contrario, se observa un MR mínimo en una región donde la velocidad de avance es baja y la velocidad de rotación de la herramienta es mayor. Esto se debe al punto de contacto más bajo entre la herramienta y la pieza de trabajo. El efecto de interacción entre la potencia ultrasónica y la velocidad de alimentación en MR se muestra en la Fig. 10b. Se observa que se logra que MR sea máximo en regiones donde la velocidad de alimentación y la potencia ultrasónica son máximas. Esto sucede debido al aumento de la vibración con el aumento de la fuerza ultrasónica que elimina eficientemente las virutas y los desechos de las superficies de mecanizado. Por otro lado, el MR mínimo se obtiene a una tasa de penetración y potencia ultrasónica más bajas.

Gráfica de contorno en 3D del efecto de interacción (a) velocidad de avance y rotación de la herramienta (b) velocidad de avance y potencia ultrasónica en MR.

La Figura 11 ilustra el impacto de los parámetros del proceso en la superficie maquinada. La figura 11a representa el efecto de la velocidad de rotación de la herramienta en Ra. Se concluye que Ra disminuye con el aumento de la velocidad de rotación de la herramienta. Se atribuye a la mejora de la acción de rectificado por unidad de tiempo de la herramienta con el aumento de la velocidad de rotación. Otra razón para mejorar la rugosidad de la superficie es reducir la tasa de desarrollo de microfisuras en la superficie29. La Figura 11b muestra el efecto de la tasa de alimentación en Ra. Se observa que Ra aumenta abruptamente de 0,676 a 0,938 µm con un aumento en la tasa de penetración de 0,0125 a 0,0175 mm/seg. Este aumento se debe a la extensión de las microfisuras en la superficie de la pieza de trabajo. El efecto de la energía ultrasónica en Ra se muestra en la Fig. 11c. Se encuentra que el Ra disminuye con el aumento de la potencia ultrasónica. Este cambio no se considera significativo. Además, también se observa que la diferencia de amplitud no tiene efecto sobre el Ra. La Figura 11d muestra que Ra disminuye de 0,861 a 0,807 µm con un aumento en el tamaño de grano de 100 a 120 de tamaño de malla. Por el contrario, aumenta poco de 0,807 a 0,811 µm a medida que el tamaño del grano aumenta de 120 a 140 mallas. Esto se debe a los granos abrasivos gruesos que mejoran la tasa de fractura. Además, durante el proceso RUM, las partículas de diamante se mueven continuamente en la cavidad del orificio. El aumento de tamaño del granulado aumenta las fuerzas de fricción en la interfaz lateral y contribuye al daño superficial ocasionado por este desgaste lateral uniforme30.

Efectos de los parámetros RUM en Ra (a) velocidad de rotación de la herramienta, (b) velocidad de avance, (c) potencia ultrasónica, (d) tamaño de grano abrasivo.

La figura 12 ilustra el efecto de interacción en Ra. Se verifica a partir de la Ec. (3) que tres interacciones resultan significativas para Ra. La figura 12a muestra el efecto combinado de la potencia ultrasónica y la velocidad de rotación de la herramienta. El valor mínimo de Ra se obtiene en un área donde la potencia ultrasónica es mínima y la velocidad de rotación de la herramienta es máxima. Esto se debe a un aumento en el paso de rectificado de la herramienta que da como resultado la finura de las superficies de mecanizado. El efecto de interacción de la velocidad de alimentación y la potencia ultrasónica en Ra se representa en la Fig. 12b. El Ra mínimo de 0,665 µm se obtiene en una región de baja velocidad de alimentación y baja potencia ultrasónica. Se debe a la menor profundidad de indentación del diamante abrasivo en la pieza de trabajo. El Ra máximo de 0,965 se encuentra en una región donde la velocidad de alimentación es máxima y la potencia ultrasónica es mínima. Esto se debe a la mayor profundidad de indentación de las partículas abrasivas en la superficie de la pieza de trabajo. La figura 12c muestra el efecto de la velocidad de alimentación y el tamaño del grano abrasivo en Ra. Es claramente visible en la Fig. 12c que el valor mínimo de Ra, es decir, 0,762 µm, se obtiene para una velocidad de alimentación baja y un tamaño de grano fino (malla 140). Se atribuye a una menor profundidad de indentación de las partículas de diamante en la superficie de la pieza de trabajo. El valor de Ra es máximo a mayor velocidad de avance en todos los tamaños de grano abrasivo. Esto se debe a un cambio en el tamaño del grano de grueso a fino, es decir, 0,9083 µm31.

Efecto de gráfico de interacción 3D Ra (a) rotación de la herramienta y potencia ultrasónica, (b) velocidad de avance y potencia ultrasónica, y (c) velocidad de avance y tamaño del abrasivo de diamante.

La máquina SEM se utiliza para estudiar la superficie del material base, muestra de rugosidad superficial máxima (ejecución experimental 3, muestra de rugosidad superficial mínima (ejecución experimental 12) como se muestra en la Fig. 13. Esto es evidente en la Fig. 13a que la superficie de la El material base (Inconel 718) es uniforme sin microfisuras ni ranuras. Por el contrario, las superficies mecanizadas consistían en microfisuras y ranuras en la superficie. Las Figuras 13b y c muestran las superficies de máxima rugosidad. Se observan dos tipos de fracturas en la superficie mecanizada de rugosidad superficial máxima, es decir, fractura dúctil y fractura frágil como se muestra en la Fig. 13b. Además, también se observan bordes afilados, agujeros profundos y microfisuras en la superficie mecanizada como se muestra en la Fig. 13c. Debido a la alta velocidad de avance de la herramienta, el material removido de la superficie en pedazos más grandes.Además, a veces también se observan bordes empobrecidos en la superficie de la máquina.Es una indicación de fractura frágil que mostró la promulgación de grietas intergranulares y transgranulares. Este tipo de superficies se observan debido al movimiento vibratorio de la herramienta durante el proceso. La Figura 13d representa la superficie mecanizada de rugosidad superficial mínima. Se observan pequeños agujeros y profundas marcas abrasivas en la superficie. Además, la calidad del borde de la pieza de trabajo mecanizada también se analiza utilizando un microscopio óptico como se muestra en la Fig. 13e. No hay grietas y se observan rebabas en el borde del orificio perforado.

Micrografía de (a) Inconel 718 (antes del mecanizado), (b) y (c) espécimen de mayor rugosidad superficial (d) espécimen de mínima rugosidad superficial, (e) calidad del borde del orificio.

La palabra "Optimización" significa hacer el mejor uso posible de los recursos. En la presente investigación, también se utiliza una técnica de optimización metaheurística, es decir, optimización de enjambre de partículas (PSO), para obtener los valores óptimos de los parámetros de proceso de RUM para Inconel 718. Según el mejor conocimiento del autor, Kennedy y Eberthart32 introdujeron PSO en 2006. es un algoritmo estocástico que es capaz de resolver problemas de optimización con el algoritmo evolutivo, como el algoritmo genético, evolutivo diferencial, etc. Esta técnica también es capaz de producir el comportamiento de búsqueda de alimentos de la sociedad, como un enjambre de aves o un banco de peces. Cada miembro del enjambre en PSO se considera una partícula. Todas y cada una de las partículas en el espacio de búsqueda representan la solución potencial. Además, la información recopilada de las partículas se clasifica para obtener la mejor partícula del enjambre, como la mejor global (gbest).

Además, la posición de cada partícula se define en términos de vectores como el vector de posición y el vector de velocidad. La posición y el vector de velocidad de la partícula \(i^{th}\) en el espacio de búsqueda d-dimensional se pueden expresar como \(x_{i} = \left( {x_{i1} , x_{i2} , ..., x_{id} } \right)\) y \(v_{i} = \left( {v_{i1} , v_{i2} , ..., v_{id} } \right)\) respectivamente. La mejor ubicación de cada partícula depende de la función de aptitud definida por el usuario, es decir, \(p_{i} = \left( {p_{i1} , p_{i2} , ..., p_{id} } \right)\) , denotada como pbest y la partícula más adecuada encontrada en el conjunto completo de enjambre es \(p_{g} = \left( {p_{g1} , p_{g2} , ..., p_{gd} } \right)\ ), denotado como gbest. Ambos valores corresponden a sus mejores valores de fitness en el tiempo (t). Las ecuaciones 4 y 5 se utilizan para calcular las nuevas posiciones y los nuevos vectores de velocidad para la próxima evaluación de aptitud en el tiempo (t + 1).

donde \(rand_{1}\) y \(rand_{2}\) son los valores aleatorios que caen entre (0, 1), w es el peso del factor de inercia y se usa para dar la dirección de las velocidades anteriores en el presente la velocidad de la partícula, \(c_{1}\) es un factor de aprendizaje cognitivo que muestra el movimiento de la partícula hacia su propio éxito y \(c_{2}\) define el factor de aprendizaje social que muestra que una partícula se acerca al valor de su vecina . Algunos investigadores han sugerido los rangos de \(c_{1}\) como (1,5 a 4) y \(c_{2}\) como (2 a 2,5). La figura 14 representa el diagrama de flujo de la técnica PSO.

Diagrama de flujo de la optimización del enjambre de partículas.

El código binario se utiliza para generar la partícula en PSO. La partícula de formato binario se decodifica utilizando la ecuación. 6. La precisión viene dada por la ecuación. 7.

donde \(X_{i}\): el valor decodificado de los parámetros RUM. \(X^{L}\): es el límite inferior de los parámetros RUM. \(X^{U}\): el límite superior de los parámetros RUM. n: es la longitud de la subcadena (= 4). \(S_{i}\) es el valor decodificado de la partícula \(i^{th }\)

La distancia de hacinamiento es un concepto clave para clasificar las opciones en valores objetivos ascendentes. Es la media de dos valores de solución adyacentes. Se asignan valores de distancia de hacinamiento infinitos a las soluciones de contorno que tienen los valores de función objetivo más bajos y más altos, por lo que a menudo se eligen. Para cada función objetivo, se completa este paso. El valor final de distancia de aglomeración de una solución se determina aplicando todos los diferentes valores de distancia de aglomeración a cada función objetivo. El algoritmo para la distancia de hacinamiento se enumera a continuación.

La Figura 15 representa el diagrama de flujo de PSO de objetivos múltiples (MOPSO). El algoritmo para MPSO se enumera a continuación.

Diagrama de flujo de MOPSO.

Donde \(rand_{1}\) y \(rand_{2}\) son números aleatorios entre 0 y 1. Si la posición actual más allá de los límites toma los límites superior o inferior y su velocidad se genera aleatoriamente. Finalmente, realice los pasos 2 a 5 hasta que se cumplan los criterios de parada.

En el trabajo de investigación actual, MR y Ra, ambas respuestas tienen un diseño opuesto. Significa que un mayor valor de las tasas de mecanizado resultó en un mayor valor de la rugosidad de la superficie. Para lograr una mayor velocidad de mecanizado con un mejor acabado superficial, se deben obtener valores de parámetros óptimos. Para encontrar el mejor valor de la velocidad de mecanizado y la rugosidad de la superficie, se utiliza PSO de objetivo único y múltiple. Los valores límite inferior y superior de los parámetros se utilizan en el algoritmo para que el valor no sobrepase el límite. Los valores se dan en la Tabla 7.

El modelo empírico desarrollado [Ec. (2)] se utiliza para implementar la técnica PSO. La Figura 16 muestra los valores de MR con cada iteración después de emplear la técnica PSO en modelos empíricos. Después de iteraciones sucesivas, PSO da el valor máximo de MR (0.8931 mm3/seg) en la combinación de parámetros de Rotación de herramienta-5400 rpm; Velocidad de alimentación-0,0175 mm/seg; Potencia ultrasónica-70%; Tamaño de grano abrasivo de diamante: malla 140 que se muestra en la Tabla 8.

Gráfico de iteración para MR.

Para predecir el valor más bajo de Ra, se utiliza el modelo empírico (Ec. 3) en PSO. Los valores pronosticados de Ra para cada iteración durante la técnica PSO se muestran en la Fig. 17. Después de sucesivas iteraciones, PSO proporciona el valor mínimo de Ra (0,554 µm) en la combinación de parámetros de Rotación de herramienta - 5400 rpm; Velocidad de alimentación-0,0125 mm/seg; Potencia ultrasónica-60%; Tamaño de grano abrasivo de diamante: malla 140 que se muestra en la Tabla 9.

Diagrama de iteraciones para Ra.

Para validar estos resultados, las pruebas de confirmación se realizan en RUM con dos repeticiones y los valores predichos y los valores promedio de los resultados experimentales confirmatorios (para MR y Ra) también se tabulan en la Tabla 9. Se ha encontrado que los resultados confirmatorios para MR y Ra difieren de los valores previstos en un 3,42 % y un 3,14 %, respectivamente, que se encuentran dentro del intervalo de confianza (IC) del 95 %.

El algoritmo evolutivo multiobjetivo produce un frente de Pareto para el problema de minimización multiobjetivo, que puede encontrar una solución de compensación entre objetivos en conflicto. El frente de Pareto se define como el conjunto de soluciones no dominadas, donde cada objetivo se considera igualmente bueno. Un problema se puede expresar en términos de un problema de optimización multiobjetivo del frente de Pareto. Desde este punto de vista, dadas dos soluciones s y s′, s′ domina a s si y sólo si relevancia (s′) > relevancia(s) y |s′| <|s|. Sin embargo, si relevancia (s′) > relevancia(s) pero |s′| >|s|, ninguna solución puede dominar a la otra. El conjunto de todas las soluciones no dominantes constituye una superficie llamada frente de Pareto. El frente de Pareto consiste en aquellas soluciones para las cuales no existe mejor solución en ambos criterios. Usando la optimización del frente de Pareto para un problema de selección, no hay necesidad de suposiciones a priori sobre la importancia de los objetivos33.

El algoritmo MOPSO basado en la distancia de hacinamiento (en la sección "Optimización a través de la optimización del enjambre de partículas") también se emplea para obtener los valores optimizados de los parámetros del proceso para MR y Ra. Los modelos empíricos basados en la Ec. (2) y (3) ambos se usan para obtener los valores optimizados de los parámetros del proceso usando MOPSO. El frente de Pareto para las funciones objetivo MR y Ra se muestra en la Fig. 18. El frente de Pareto es el conjunto de todas las soluciones eficientes de Pareto. En la optimización multiobjetivo, se genera una gran cantidad de soluciones como se tabula en la Tabla 10. Las soluciones se utilizan para obtener los mejores valores de los parámetros del proceso para obtener valores máximos de MR y valores mínimos de Ra en parámetros de proceso optimizados. Para la confirmación de los resultados obtenidos por MOPSO y encontrar la efectividad de la técnica de optimización (MOPSO) se realizan algunas pruebas de confirmación (Sr no. 1 y 2) en la pieza y la Tabla 11. muestra que los resultados confirmatorios para MR y Se ha encontrado que Ra difiere de los valores previstos en un 3,46 % y un 4,5 %, respectivamente, que se encuentran dentro del intervalo de confianza (IC) del 95 %.

Frente de Pareto para las funciones objetivo MR y Ra.

En el presente estudio, RUM se emplea para el mecanizado (taladrado) de superaleaciones (Inconel 718) en diferentes parámetros de proceso para obtener los parámetros de proceso optimizados utilizando PSO y MOPSO. Del presente estudio se extraen las siguientes conclusiones:

Se observa que los modelos empíricos son de naturaleza cuadrática tanto para MR como para Ra. Además, se encuentran dos interacciones significativas para MR y tres interacciones significativas para Ra.

Los valores de MR aumentan con el aumento de la velocidad de avance, mientras que la rugosidad de la superficie disminuye con el aumento de la velocidad de avance. Se debe a la mejora de la tasa de sangría de la herramienta. Por el contrario, el MR disminuye con la disminución del tamaño de malla, mientras que el acabado superficial aumenta con la disminución del tamaño de malla.

Se concluye que la velocidad de rotación de la herramienta y la potencia ultrasónica no afectan significativamente el MR en comparación con Ra.

El análisis SEM atestigua que el material se retira de la pieza de trabajo en forma de grandes trozos y grietas entre cristales.

El valor máximo de MR de 0,8625 mm3/s se obtiene para una velocidad de herramienta de 5400 rpm, una velocidad de avance de 0,0175 mm/s, una potencia ultrasónica del 70 % y un tamaño de grano abrasivo de diamante de malla 140. Se observa un Ra mínimo de 0,572 µm para una velocidad de herramienta de 5400 rpm, una velocidad de avance de 0,0125 mm/s, una potencia ultrasónica del 60 % y un tamaño de grano abrasivo de diamante de malla 140.

En el caso de MOPSO, se generan números de soluciones en la configuración óptima de los parámetros del proceso para obtener el valor máximo de MR y los valores mínimos de Ra.

Los autores confirman que los datos que respaldan los hallazgos de este estudio están disponibles en el artículo [y/o] sus materiales complementarios.

Pollock, TM & Tin, S. Superaleaciones a base de níquel para motores de turbina avanzados: química, microestructura y propiedades. J. Propul. Poder https://doi.org/10.2514/1.18239 (2006).

Artículo Google Académico

Shifler, D. Direcciones futuras de investigación para comprender los factores que influyen en los materiales avanzados de alta temperatura. en Actas de la 1ra Conferencia de Corrosión del Departamento de Defensa, (2009).

Hanasaki, S., Fujiwara, J., Touge, M., Hasegawa, Y. y Uehara, K. Desgaste de herramientas recubiertas al mecanizar una aleación con alto contenido de níquel. CIRP Ana. Fabricación Tecnología https://doi.org/10.1016/S0007-8506(07)61006-3 (1990).

Artículo Google Académico

Ulutan, D. & Ozel, T. Integridad superficial inducida por mecanizado en aleaciones de titanio y níquel: una revisión. En t. J. Mach. Fabricante de herramientas 51(3), 250–280. https://doi.org/10.1016/j.ijmachtools.2010.11.003 (2011).

Artículo Google Académico

Tan, MT Desgaste de ranuras de herramientas en torneado NC de níquel puro (1986).

Habeeb, HH, Abou-El-Ho, KA, Mohamad, B., Ghani, JA y Kadirgama, K. Investigación del desgaste de la herramienta, la vida útil de la herramienta y la rugosidad de la superficie al mecanizar la aleación de níquel 242 con el uso de diferentes herramientas de corte. Asiático J. Sci. Res. https://doi.org/10.3923/ajsr.2008.222.230 (2008).

Artículo Google Académico

Bhatia, SM, Pandey, PC y Shan, HS Agrietamiento térmico de herramientas de carburo durante el corte intermitente. Viste https://doi.org/10.1016/0043-1648(78)90260-0 (1978).

Artículo Google Académico

Lotfi , M. , Amini , S. , Teimouri , R. & Alinaghian , M. Reducción del borde incorporado en la perforación de acero AISI 1045 . Mate. Fabricación Procesos 32(6), 623–630. https://doi.org/10.1080/10426914.2016.1221104 (2017).

Artículo CAS Google Académico

Teimouri, R., Amini, S., Lotfi, M. & Alinaghian, M. Proceso de perforación sostenible de placas de acero 1045 con respecto al consumo mínimo de energía y la calidad de trabajo deseada. En t. J. Material ligero. Fabricación 2(4), 397–406. https://doi.org/10.1016/j.ijlmm.2019.04.011 (2019).

Artículo Google Académico

Teimouri, R. & Amini, S. Enfoques analíticos y experimentales para estudiar la desviación elástica de tiras delgadas en el proceso de perforación asistido por ultrasonidos. proc. Inst. mecánico Ing. Parte E J. Proceso Mec. Ing. 233(1), 21–34. https://doi.org/10.1177/0954408917739453 (2019).

Artículo Google Académico

Pei, ZJ, Ferreira, PM, Kapoor, SG & Haselkorn, M. Mecanizado ultrasónico rotativo para fresado frontal de cerámica. En t. J. Mach. Fabricación de herramientas 35(7), 1033–1046 (1995).

Artículo Google Académico

Hu, P., Zhang, JM, Pei, ZJ y Treadwell, C. Modelado de la tasa de eliminación de material en el mecanizado ultrasónico rotativo: experimentos diseñados. J.Mater. Tecnología de proceso 129(1–3), 339–344 (2002).

Artículo CAS Google Académico

Li, ZC, Jiao, Y., Deines, TW, Pei, ZJ & Treadwell, C. Mecanizado ultrasónico rotativo de compuestos de matriz cerámica: estudio de viabilidad y experimentos diseñados. En t. J. Mach. Fabricación de herramientas 45(12–13), 1402–1411 (2005).

Artículo Google Académico

Zeng, W. et al. Investigación experimental del mecanizado ultrasónico rotativo intermitente. Ing clave Mate. 359–360, 425–430. https://doi.org/10.4028/www.scientific.net/KEM.359-360.425 (2008).

Artículo Google Académico

Zhang, CL, Feng, PF, Wu, ZJ y Yu, DW Un estudio experimental sobre el rendimiento de procesamiento de la perforación ultrasónica rotativa de vidrio K9. Adv. Mate. Res. 230–232, 221–225 (2011).

Artículo Google Académico

Lv, D., Tang, Y., Wang, H. y Huang, Y. Investigaciones experimentales sobre daños en el subsuelo en el mecanizado ultrasónico rotatorio de vidrio BK7. Mach. ciencia Tecnología 17(3), 443–463 (2013).

Artículo CAS Google Académico

Churi, NJ, Pei, ZJ y Treadwell, C. Mecanizado ultrasónico rotatorio de aleación de titanio: Efectos de las variables de mecanizado. Mach. ciencia Tecnología 10(3), 301–321 (2006).

Artículo Google Académico

Cong, WL, Pei, ZJ, Sun, X. & Zhang, CL Mecanizado ultrasónico rotativo de CFRP: un modelo predictivo mecánico para la fuerza de corte. Ultrasonidos 54(2), 663–675. https://doi.org/10.1016/j.ultras.2013.09.005 (2014).

Artículo CAS Google Académico

Liu, JW, Baek, DK & Ko, TJ Minimización del astillado en la perforación de materiales cerámicos con mecanizado ultrasónico rotativo. En t. j adv. Fabricación Tecnología 72(9–12), 1527–1535. https://doi.org/10.1007/s00170-014-5766-y (2014).

Artículo Google Académico

Teimouri, R., Baseri, H. & Moharami, R. Optimización de respuestas múltiples del proceso de mecanizado ultrasónico. J. Intel. Fabricación 26(4), 745–753. https://doi.org/10.1007/s10845-013-0831-1 (2015).

Artículo Google Académico

Thakur, A. & Gangopadhyay, S. Lo último en integridad superficial en el mecanizado de superaleaciones a base de níquel. En t. J. Mach. Fabricación de herramientas 100, 25–54. https://doi.org/10.1016/j.ijmachtools.2015.10.001 (2016).

Artículo Google Académico

Popli, D. & Gupta, M. Procedimiento secuencial para seleccionar los rangos de parámetros de proceso en el mecanizado ultrasónico rotativo. En t. J. Manuf. Res. 12(3), 364–378 (2017).

Artículo Google Académico

Miller, S. Materiales avanzados significan motores avanzados. Interdiscip. ciencia Rev. https://doi.org/10.1179/isr.1996.21.2.117 (1996).

Artículo Google Académico

Verma, S., Gupta, M. y Misra, JP Optimización de los parámetros del proceso en la soldadura por fricción y agitación de aleaciones de aluminio de grado marino blindado utilizando el enfoque de deseabilidad. Mate. Res. Expreso https://doi.org/10.1088/2053-1591/aaea01 (2019).

Artículo Google Académico

Churi, NJ, Pei, ZJ & Treadwel, C. Mecanizado ultrasónico rotativo de aleación de titanio (Ti-6Al-4V): Efectos de las variables de la herramienta. En t. J. Precis. Tecnología 1(1), 85–96 (2007).

Artículo Google Académico

Jiao, Y., Liu, WJ, Pei, ZJ, Xin, XJ y Treadwell, C. Estudio sobre el astillado de bordes en el mecanizado ultrasónico rotativo de cerámica: una integración de experimentos diseñados y análisis del método de elementos finitos. J. Manuf. ciencia Ing. 127(4), 752. https://doi.org/10.1115/1.2034511 (2005).

Artículo Google Académico

Churi, NJ, Pei, ZJ, Shorter, DC y Treadwell, C. Mecanizado ultrasónico rotativo de carburo de silicio: experimentos diseñados. En t. J. Manuf. Tecnología Administrar 12(1/2/3), 284–298. https://doi.org/10.1504/IJMTM.2007.014154 (2007).

Artículo Google Académico

Pei, ZJ & Ferreira, PM Modelado de remoción de material en modo dúctil en maquinado ultrasónico rotativo. En t. J. Mach. Fabricación de herramientas 38, 1399–1418. https://doi.org/10.1016/S0890-6955(98)00007-8 (1998).

Artículo Google Académico

Singh, RP & Singhal, S. Mecanizado ultrasónico rotativo de materiales avanzados: una revisión. En t. J. Tecnología. Res. Ing. (IJTRE) 2(7), 777–785. https://doi.org/10.1080/10426914.2016.1140188 (2015).

Artículo CAS Google Académico

Singh, RP & Singhal, S. Investigación experimental de las características de mecanizado en el mecanizado ultrasónico rotativo de cerámica de cuarzo. J.Mater. Des. aplicación https://doi.org/10.1177/1464420716653422 (2016).

Artículo Google Académico

Fernando, PKSC, Zhang, M. & Pei, Z. Mecanizado ultrasónico rotativo de rocas: una investigación experimental. Adv. mecánico Ing. https://doi.org/10.1177/1687814018763178 (2018).

Artículo Google Académico

Bratton, D. y Kennedy, J. Definición de un estándar para la optimización de enjambres de partículas. En Simposio de Inteligencia de Enjambre (2007).

Mohanty, R., Suman, S. y Das, SK Modelado de la capacidad axial de pilotes perforados mediante la selección de características multiobjetivo, la red funcional y la spline de regresión adaptativa multivariante. En Handbook of Neural Computation, 295–309 (Elsevier Inc., 2017), https://doi.org/10.1016/B978-0-12-811318-9.00016-8.

Descargar referencias

GD, Universidad de Goenka, Gurugram, Haryana, India

Dipesh popli

Instituto Internacional de Investigación y Estudios Manav Rachna (una universidad considerada), Faridabad, Haryana, India

Usha Batra

Departamento de Ingeniería Mecánica, Universidad Tecnológica de la Península del Cabo, Ciudad del Cabo 7535, Cabo Occidental, Sudáfrica

¿De dónde viene Msomi?

MMEC, Maharishi Markendeshwar (Considerado ser) Universidad, Mullana, Haryana, India

Shubham Verma

También puede buscar este autor en PubMed Google Scholar

Concepción y diseño del estudio: DP, UB, VM y SV; Adquisición de datos: DP, UB, VM y SV; Análisis y/o interpretación de datos: DP, UB, VM y SV; Redacción y redacción del manuscrito: DP, UB, VM y SV

Correspondencia a Velaphi Msomi o Shubham Verma.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Popli, D., Batra, U., Msomi, V. et al. Un estudio sistemático de la optimización de los parámetros del proceso RUM y su influencia en las características de las piezas de níquel 718. Sci Rep 13, 1716 (2023). https://doi.org/10.1038/s41598-023-28674-1

Descargar cita

Recibido: 20 Septiembre 2022

Aceptado: 23 de enero de 2023

Publicado: 31 enero 2023

DOI: https://doi.org/10.1038/s41598-023-28674-1

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Informes científicos (2023)

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.