臺灣博碩士論文加值系統

加工時為了增加生產效率，會將刀具切深、進給速度儘可能的加大，而當對較深之內孔進行車削時會將刀柄懸伸延長以利於切削，但當懸伸過大時，切削過程中會使刀具產生強烈震動間接影響工件之表面粗糙度與刀具的使用壽命。為解決此問題，刀具廠商開發出抗震車刀來抑制切削時所產生的振動，相對於一般車刀，抗震刀具在切削時能有更加出色的表現，然而良好的刀具亦需要搭配適當之切削參數才能發揮其最大價值。切削的參數雖然有相應的計算公式，但常會因為機台的剛性、材料的種類、刀具的不同而有所差異，一般而言，參數的設定與補正全依靠操作者的經驗法則，因此常導致加工品質參差不齊。本研究之目的在於針對抗震刀具進行切削參數的蒐集與分析，並針對業界最常使用之材料S45C進行內孔切削測試，以各尺寸刀具於最大懸伸情況下，分別以不同的切削深度與進給速度進行切削，並量測分析其表面粗糙度與刀具振動量。其後將收集之數據匯入倒傳遞類神經網路進行預測模型建立，用於預測切削結果。最終驗證結果，預測值與實際值之絕對值誤差百分比(MAPE)，振動量誤差約為14.53%，屬於絕對誤差值百分比對照表中的優良範圍，而表面粗糙度誤差約為3.47%，屬於高精確範圍。

In order to increase production efficiency during machining, the cutting depth and feed rate of the tool will be increased as much as possible, and when the deep hole is turned, the shank will be extended to facilitate cutting, but when the overhang is too large during the cutting process, the strong vibration of the tool will indirectly affect the surface roughness of the workpiece and the service life of the tool. In order to solve this problem, tool manufacturers have developed anti-vibration tools to suppress the vibration generated during cutting. Compared with general turning tools, anti-vibration tools can perform better when cutting. However, good tools also need to be matched with appropriate cutting parameters. To be able to play its maximum value. Although the cutting parameters have corresponding calculation formulas, they often differ depending on the rigidity of the machine, the type of materials, and the different tools. Generally speaking, the setting and correction of parameters depend on the operator's rule of thumb, which often leads to processing quality is uneven. The purpose of this study is to collect and analyze cutting parameters for anti-vibration tools, and to perform internal hole cutting tests for the most commonly used material S45C in the industry with different cutting depths and depths for each size of the tool under maximum overhang conditions. Cut the speed and measure the surface roughness and tool vibration. The collected data is then sent to the inverse transfer-like neural network for predictive model establishment to predict the cutting results. The final verification result, the absolute value error percentage (MAPE) of the predicted value and the actual value, the vibration amount error is about 14.53%, which is an excellent range in the absolute error value percentage table, and the surface roughness error is about 3.47%, which is a high precision range.

致謝 I
摘要 II
Abstract IV
目錄 VI
圖目錄 IX
表目錄 XII
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 文獻回顧 3
1.3.1車削相關之參數分析與最佳化方法 3
1.3.2車削顫振抑制方法 5
1.3.3類神經網路應用 9
1.3.4文獻歸納 13
1.4論文架構 14
第二章 相關理論介紹 15
2.1切削理論 15
2.1.1車削 16
2.1.2切削參數 17
2.2機械振動 28
2.2.1振動類型 29
2.2.2切削顫振 33
2.2.3抗震刀具 36
2.3 類神經網路 38
2.3.1人工神經元架構 39
2.3.2類神經網路架構 42
2.3.3倒傳遞類神經網路 46
第三章 實驗設備與方法 48
3.1實驗設備 48
3.2實驗方法 55
3.2.1刀具性能比對實驗 55
3.2.2類神經網路建構 56
3.2.2車削材料 57
3.2.3振動量測 58
3.2.4表面粗糙度量測 59
3.2.5倒傳遞類神經網路預測 61
3.3實驗參數 62
第四章 實驗結果與討論 64
4.1刀具抗震效果 64
4.2振動分析 66
4.2.1不同進給速度對振動量之影響 66
4.2.2不同切削深度對振動量之影響 68
4.3表面粗糙度分析 71
4.3.1不同進給速度對表面粗糙度之影響 71
4.3.2不同切削深度對表面粗糙度之影響 74
4.4倒傳遞類神經預測 76
4.4.1倒傳遞類神經網路建模 76
4.4.2預測結果與驗證 80
第五章 結論與未來展望 84
5.1結論 84
5.2未來展望 86
參考文獻 87

[1] Jang,D.Y.and Seire,A,“ Machining Parameter Optimization for Specified Surface Conditions” , 1992, Journal of Engineering for Industry,114(2),pp.254-257.
[2] W.H. Yang, and Y.S. Tarng,“Design optimization of cutting parameters for turning operations based on Taguchi method,” ,1998, Journal of Materials Processing Technology, Vol.84,pp.122-129.
[3] Yellowey, I.and Adey, D. “ A New Approach to the Real Time Optimization of Turning Operation ” ,1992, Int. J. March. Tools Manufact.,32(3),pp.453-466.
[4] Ilhan Asilturk, Harun Akkus. “ Determining the effect of cutting parameters on surface roughness in hard turning using the Taguchi method. Measurement” 2011,pp.1697-1704.
[5] 賴世陽，「車削加工之表面粗度與真圓度分析及最佳化研究」，碩士論文，國立海洋大學，基隆，2002。
[6] 蔡秉均，「切削顫振偵測系統之研發」，碩士論文，國立中正大學，嘉義，2010。
[7] 張中如，「外掛式車刀減振器之設計探討」，碩士論文，國立中興大學，台中，2013。
[8] 黃建立，「車削細長形工件的主動式顫振抑制」，碩士論文，逢甲大學，台中，2009。
[9] A. Woronko, J. Huang, and Y. Altintas, “Piezoelectric Tool Actuator for Precision Machining on Conventional CNC Turning Centers,” , 2003, Precision Engineering, vol. 27, pp. 335–345.
[10] S. K. Choudhury, N. N. Goudimenko, and V. A. Kudinov, “On-Line Control of Machine Tool Vibration in Turning,” , 1997, International Journal of Machine Tools & Manufacture, vol. 37, No. 6, pp. 801-811.
[11] Etsuo Marui, Satoshi Ema, Masatoshi Hashimoto, Yasunori Wakasawa,“ Plate insertion as a means to improve the damping capacity of a cutting tool system ”, 1998, International Journal of Machine Tools & Manufacture 38 , pp.1209–1220.
[12] 呂建宏，「不銹鋼切削之表面粗糙度預測及參數最佳化模式之探討」，碩士論文，屏東科技大學，屏東，2001。
[13] 黃條嵩，「建立SKD61模具鋼之切削力預測及車削參數最佳化模式之探討」，碩士論文，屏東科技大學，屏東，2001。
[14] 魏宏棋，「運用類神經網路預測銑削之切削力與切削力係數之研究」，碩士論文，國立勤益科技大學，台中，2017。
[15] 蔡志中，「利用類神經網路預測模具鋼銑削之行為」，碩士論文，國立雲林科技大學，雲林，2008。
[16] Hasan Oktem, Tuncay Erzurumlu, Fehmi Erzincanli,“Prediction of minimum surface roughness in end milling mold parts using neural network and genetic algorithm” , 2006, Materials and Design, Vol.27, pp.735-744.
[17] Tugrul Ozel, Yigit Karpat,“Predictive modeling of surface roughness and tool wear in hard turning using regression and neural networks” ,2005, International Journal of Machine Tools and Manufacture, Vol.45, pp.467-479.
[18] Tamas Szecsi, “Cutting force modeling using artificial neural networks” ,1999, Journal of Materials Processing Technology, Vol.92-93, pp.344-349.
[19] 吳承恩、張家豪、魏嘉民 編著，具高值性能的鋼材，科學發展 486期，2013。
[20] Special Steel Manual，天文貿易股份有限公司。
[21] 杜蘭萍 編著，機械製造基礎，合肥工業大學出版社，2006。
[22] 黃寶建 編著，車床能力本位訓練教材 切削條件選用，中華民國職業訓練研究發展中心，2001。
[23] 中國冶金百科全書總編輯委員會《金屬材料卷》編輯委員會 編著，中國冶金百科全書-金屬材料，冶金工業出版社，2001。
[24] Donald R.Askeland, Pradeep P.Fulay, Wendelin J.Wright 編著，材料科學與工程，歐亞書局有限公司，2011。
[25] Serope Kalpakjian 編著，機械製造，文京圖書有限公司，1998。
[26] 傅光華 編著，切削工具學，高立圖書有限公司，1986。
[27] 唐文聰 編譯，切削加工技術，全華科技圖書股份有限公司，1986。
[28] 聞邦椿 劉樹英 張純宇 編著，機械振動學，冶金工業出版社，2006。
[29] 劉延柱、陳文良、陳立群 編著，振動力學，高等教育出版社，1998。
[30] 胡海岩 編著，機械振動基礎，北京航空航太大學出版社，2005。
[31] 范光照、張郭益 編著，精密量測，高立圖書有限公司，2011。
[32] 洪良德 編著，精密量測實驗:¬¬-形狀誤差、位置誤差、表面粗糙度-，高立圖書有限公司，2006。
[33] 揚延平 編著，機械精度設計與檢測技術基礎，機械工業出版社，2004。
[34] 王進德、蕭大全，類神經網路與模糊控制理論入門，全華科技圖書股份有限公司，1994。
[35] 盧炳勳、曹登發，類神經網路理論與應用，全華科技圖書股份有限公司，1992。
[36] 工具機綜合型錄，台中精機廠股份有限公司。
[37] 刀具型錄，艋庫拉制震股份有限公司。
[38] 振動量測設備產品型錄，PCB Piezotronics。
[39] 產品型錄，MarSurf。
[40] 產品型錄，春寶森拉天時。
[41] 產品型錄，KEYENCE。
[42] 王紹治、劉健、隨永新、楊懷江，白光干涉儀干涉條紋展寬方法，發明專利，中華人民共和國國家知識產權局，2014。
[43] Lewis, E.B.,Control of body segment differentiation in Drosophila by the bithorax gene complex.Prog Clin Biol Res, 1982. 85 Pt A: pp. 269-288.