摘要
本研究採用腐蝕法搭配機械研磨法，探討鎳基超合金經放電加工後表面重鑄層移除機制。目前放電加工法廣泛運用於加工模具材料，或為傳統式加工所無法達成硬脆材料加工之需求;然而，由於放電加工法屬於熱能加工之一種，也因此會致使被加工材料受火花放電而產生局部高熱後，必須花費大量的時間與精力予以去除，但因重鑄層硬度甚高，去除殊為不易。
本實驗可概括為四階段:第一階段，以田口法L18型直交表規劃所需之放電參數，先將十八組實驗完成後，並使用SEM觀察其重鑄層之生長厚度，因方便後續重鑄層移除之觀測，故設定為望大，並藉由ANOVA分析，以獲致較厚重鑄層之放電加工參數組合，其參數組合為P (+)、on(800 μs)、off (300 μs)、Ip(30 A)、Eg(75 V);第二階段，以前一階段所產生之放電加工參數組合，製作重鑄層觀察用之試片，並使用田口法L9型直交規劃腐蝕法及機械研磨參數，其後觀測重鑄層移除之定量分析，其得到田口最佳參數組合（磷酸30 %+鹽酸30 %+水40 %） /100 ºC /5 hr/20 sec，實際驗證值為101.21 (mg/sec);第三階段，建立倒傳遞類神經網路架構，依據田口直交表實驗後的數據作為倒傳遞類神經網路之訓練及測試資料，驗證其網路之可行性，並找尋出更接近實際值之數據以及得到其預測之最佳參數組合，其獲致一組最佳參數組合為（磷酸15 %+鹽酸45 %+40 %） /100 ºC/5 hr/10 sec，並進行實際加工驗證後，磨耗率為162.32 (mg/sec);第四階段使用EDX及XRD分析重鑄層腐蝕前後之組成及成份，探討兩者間之變化及差異性，希冀藉由本研究之成果，日後能提供業界與學界在移除放電加工重鑄層時之參考。

ABSTRACT
Electrical discharge machining (EDM) technique is widely used for machining hard metals and for performing specific tasks which cannot be achieved using conventional techniques. The sparks produced during the EDM process locally melt the metal surface, which then undergoes an ultra rapid quenching, after solidification, a layer is formed at the workpiece surface, defined as recast layer (RCL).The industrial of die-sinking mould hopes to be removed, but it is hard and has good adherence to the matrix, so it is hardly to be removed. In order to remove the recast layer, we will use etching solution with mechanical grinding to dissolve the corrode.
In this research, first step we used Taguchi method to optimize EDM process, The target as proposed herein is nickel-base alloy, and the five parameters involved polarity, peak current, pulse duration, pulse off time and gap-load voltage. The optimal process is defined to evaluate the largest recast layer’s thickness and process parameter’s relation. Furthermore, an analysis of variance (ANOVA) can obtain the optimal combination of process parameters. The second step we discussion removed rate of recast layer and this quantity analysis, the four parameters involves kind of etching solution, soaking time, etching temperature, and grinding time was defined for evaluation herein, and for finding out the suitable of recast layer’s removed parameters combination by ANOVA analysis, finally we conclude all experimental data for Neural Network to verify and improve the results. The process of remove recast layer will be also offered to industry for further application. Finally, the experiment is conducted to realize the surface integrities with Ni based alloys after removal recast layer, such as surface morphology, surface roughness, and microhardness.

目錄
誌謝 ii
摘要 iii
ABSTRACT iv
目錄 v
表目錄 viii
圖目錄 ix
符號說明 xi
1. 緒論 1
1.1 研究動機 1
1.2 研究目的 2
1.3 文獻回顧 3
1.3.1鎳基超合金放電加工重鑄層現象之研究 3
1.3.2重鑄層特性研究 3
1.3.3實驗計劃法暨最佳化理論應用 5
2. 基本原理 6
2.1 鎳基超合金 Inconel 718 6
2.1.1 Inconel 718合金之發展與運用 6
2.1.2 Inconel 718材料之結構 7
2.2 放電加工原理 8
2.2.1 放電加工過程 10
2.2.2 放電加工參數 13
2.2.3 放電加工之優缺點 14
2.2.4 重鑄層之生成原理 15
2.3 田口式品質工程 16
2.3.1 直交表 17
2.3.2 參數設計與種類 19
2.3.3 變異數及貢獻度分析 22
2.4 類神經網路理論 24
2.4.1 生物神經元與人工神經元 24
2.4.2 類神經網路之架構與學習方式 26
2.4.3 倒傳遞類神經網路 28
3. 實驗設備與方法 30
3.1 實驗設備 30
3.2 實驗方法 37
3.2.1 實驗規劃流程 37
3.2.2 鎳基合金材料 40
3.2.3 電極材料 41
3.2.4 腐蝕液配方種類 42
3.3 實驗步驟 43
3.3.1 放電加工實驗 44
3.3.2 試片重量量測 44
3.3.3 重鑄層觀察 44
3.3.4 試片浸泡腐蝕液 44
3.3.5 磨耗試驗 44
3.3.5 微硬度量測 45
3.3.6 表面粗糙度量測 45
3.3.7 EDX成份分析 45
3.3.8 X-Ray繞射分析 45
4. 結果與討論 47
4.1 田口式計劃法與變異數分析 47
4.1.1 重鑄層厚度生成實驗結果 48
4.1.2 重鑄層移除機制參數 57
4.2 運用倒傳遞類神經網路預測重鑄層最佳移除率之加工參數 61
4.2.1 倒傳遞類神經網路的建構 61
4.2.2 田口式實驗計畫法與倒傳遞類神經網路之預測值比較 64
4.2.3 全域搜尋較佳重鑄層磨耗移除率之參數組合 65
4.3 重鑄層之腐蝕破壞分析 66
4.3.1 重鑄層腐蝕破壞過程 66
4.3.2 腐蝕前後重鑄層之成份變化 68
4.3.3 重鑄層腐蝕前後組成相之分析 71
4.3.4 重鑄層與母材腐蝕前後之微硬度變化 73
4.3.5 重鑄層腐蝕前後之表面粗糙度變化 74
4.4 運用及推廣 75
5. 結論 78
6. 未來研究方向 80
參考文獻 81
附錄………………………………………………………………………………... 86
自傳………………………………………………………………………………... 89

表目錄
表2.1 L18(21×37)直交表 18
表2.2 L9(34)直交表 19
表3.1 實驗參數設定表(L18) 38
表3.2 實驗工作條件 38
表3.3 實驗參數設定表(L9) 38
表3.4 Inconel 718之成分表 40
表3.5 Inconel 718材料常溫機械性質 40
表3.6 電極材料及加工液物理性質 42
表3.7 腐蝕液配方性質 42
表4.1 Inconel 718合金之重鑄層厚度實驗值與S/N比值 48
表4.2 修補後之L18實驗S/N比值 53
表4.3 重鑄層厚度之變異數分析 54
表4.4 重鑄層厚度之改善率及增益値 56
表4.5 重鑄層磨耗率之實驗值與S/N比值 57
表4.6 重鑄層磨耗率之變異數分析 58
表4.7 重鑄層磨耗率之改善率及增益値 60
表4.8 預測值與實際值之比較 64
表4.9 全域搜尋各參數水準表 65
表4.10 田口式實驗計畫法相較於倒傳遞網路之最佳參數組合之驗證值比較 65
表4.11 相較不同表面粗糙度腐蝕前後之粗度值 74

圖目錄
圖2.1 Inconel 718噴氣式發動機使用之零組件 6
圖2.2 Inconel 718單位晶格圖 7
圖2.3 放電加工機構示意圖 9
圖2.4 放電加工過程示意圖 12
圖2.5 重鑄層形貌 15
圖2.6 生物神經元 25
圖2.7 人工神經元模型 26
圖2.8 網路架構圖 27
圖2.9 類神經網路架構圖 29
圖3.1 放電加工機 31
圖3.2 掃瞄式電子顯微鏡；附EDX分析儀 31
圖3.3 光學顯微鏡 33
圖3.4 線切割放電加工機 33
圖3.5 表面粗糙度量測儀 34
圖3.6 System 3R 旋轉夾具套件 34
圖3.7 電子天平 35
圖3.8 超音波清洗機 35
圖3.9 研磨架組與研磨機 36
圖3.10 維氏硬度機 36
圖3.11 Inconel 718超合金放電加工重鑄層特性研究流程圖 39
圖3.12 Inconel 718金相圖 41
圖3.13 放電加工實驗步驟 43
圖4.1 重鑄層L18 之建議加工組合圖 55
圖4.2 重鑄層磨耗率之建議加工組合圖 59
圖4.3 誤差與學習循環次數關係圖 62
圖4.4 訓練範例的目標與網路輸出 62
圖4.5 驗證範例的目標輸出與網路輸出 63
圖4.6 試片放電表面之腐蝕前後形貌: (a)前(b)後 66
圖4.7 重鑄層腐蝕初期形貌(a)500倍 (b)1000倍 67
圖4.8 重鑄層腐蝕中期形貌(a)500倍 (b)1000倍 67
圖4.9 重鑄層腐蝕末期形貌(a)500倍 (b)2000倍 68
圖4.10 Inconel 718重鑄層腐蝕前之EDX成份半定量分析 69
圖4.11 Inconel 718重鑄層腐蝕後之EDX成份半定量分析 70
圖4.12 Inconel 718重鑄層母材與腐蝕前後之XRD分析圖(a)母材(b)重鑄層腐蝕前(c)重鑄層腐蝕後 71
圖4.13 重鑄層經腐蝕後脫離母材之殘渣 72
圖4.14 Inconel 718母材與重鑄層腐蝕前後之微硬度比較圖 73
圖4.15 相較表面粗糙度腐蝕後之粗糙度圖 74
圖4.16 SKD-61型工具鋼之重鑄層形貌 75
圖4.17 SKD-61型工具鋼重鑄層腐蝕後之形貌 76
圖4.18 工具鋼母材與重鑄層腐蝕前後之微硬度變化 77

[1]薄慧雲，“Mar-M247超合金中高溫脆性及破壞機構之研究”，交通大學博士論文，第100頁，1998。
[2]楊錫杭，微機械加工概論，全華科技圖書股份有限公司，第3-2頁，2002

[3]廖運炫，放電加工發展趨勢與研究現況，機械月刊，二十六卷，第八期，第374-386頁，2000。
[4]Puertas, I., Luis, “A study on the machining parameters optimisation of electrical discharge machining,” Journal of Materials Processing Technology, Vol. 143, pp. 521-526, 2003.
[5]Ho, K. H., and Newman, S. T., “State of the art electrical discharge machining (EDM),” International Journal of Machine Tools and Manufacture, Vol. 43, pp. 1287-1300, 2003.
[6]Adrian, Sharman, Richard, C. Dewes, David, K., Aspinwall, “Tool life when speed ball nose end milling inconel 718,” Journal of Materials Processing Technology, Vol. 118, pp. 29-35, 2001.
[7]郭春寶、林呈彰、陳紹賢 、蘇森傑、張志偉，“刀具與切屑接觸長度在加工Inconel 718之影響”，第二十二屆中國機械研討會論文集，第D2-016頁，2005。
[8]葉明勳，“英高鎳718超合金之接合技術與超塑性成形複合加工研究”，博士論文，國立臺灣大學材料科學與工程學研究所，臺北，第7-9頁，1994。
[9]趙台龍，“英高鎳718經超塑性成形之機械性能評估研究”，碩士論文，國防大學中正理工學院兵器系統研究所，大溪，第5-7頁，1993。
[10]Lee, H. G., Simao, J., Aspinwall, D. K., Dewes, R. C. and Voice, W., “Electrical dischare surface alloying,” Journal of Materials Processing Technology, Vol. 149, pp. 334-340, 2004.
[11]Lee, H.T., and Tai, T.Y., “Relationship between EDM parameters and surface crack formation,” Journal of Materials Processing Technolog, Vol. 142, pp. 676-683, 2003.
[12]陳敏訓，“MAR-M247鎳基超合金放電加工特性及多重品質製程參數最適化研究”，碩士論文，國防大學中正理工學院兵器系統工程所，大溪，第2-4頁，2001。
[13]賈東苑，“鎳基超合金(MAR-M247)線切割放電加工特性之研究”，碩士論文，國防大學中正理工學院兵器系統工程所，大溪，第6-9頁，2002。
[14]李長征，“多種鎳基超合金放電加工特性與表面完整性研究”，碩士論文，國防大學中正理工學院兵器系統工程所，大溪，第38-39頁，2004。
[15]Lee, L. C., Lim, L. C. and Wong, Y. S., “Crack susceptibility of electro-discharge machined sufaces,” Journal of Materials Processing Technology, Vol. 29, pp. 213-221, 1992.
[16] Lee, L. C., Lim, L. C. and Wong, Y. S., “Towards crack minimisation of EDMed surfaces,” Journal of Materials Processing Technology, Vol. 32, pp. 45-54, 1992.
[17] Ghanem, F., Braham, C. and Sidhom, H., “Influence of steel type on electrical discharge machined surface integrity,” Journal of Materials Processing Technology, Vol. 142, pp. 163-173, 2003.
[18]Lee, H. T., Yang, Y. M., Yeh, L. Y., Biong, J. C. and Chen, J. C., “Influence of DM process parameters on surface defects and roughness,” Chinese Journal of Material Science, Vol. 28, pp. 270-278, 1996.
[19]Lee, L. C., Lim, L. C., and Narayanan, V., “Quantification of surface damage of tool steel after EDM,” Mach. Tools Manufact., Vol. 28, pp. 359-372, 1988.
[20]Ramasawmy, H., Blunt, L. and Rajurkar, K. P., “Investigation of the relationship between the white layer thickness and 3D surface texture parameters in the die sinking EDM process,” Precision Engineering, Vol. 29, pp. 479-490, 2005.
[21]Lee, L. C., Lim, L. C., Wong, Y.S . and Lu, H. H., “Towards a better understanding of the surface features of electro-discharge machined tool steels,” Journal of Materials Processing Technology, Vol. 24, pp. 513-523, 1990.
[22]Cusanelli, G., Hessler-Wyser, A., Bobard, F. and Demellayer, R., “Microstructure at submicron scale of the white layer produced by EDM technique,” Journal of Materials Processing Technology, Vol. 149, pp. 289-295, 2004.
[23]Wong, Y. S., Lim, L. C. and Lee, L. C., “Effects of flushing on electro-discharge machined surfaces,” Journal of Materials Processing Technology, Vol. 48, pp. 299-305, 1995.
[24]林炎成，“放電加工表面改質與精修效果之研究”，博士論文，國立中央大學機械工程研究所，中壢，第30-35頁，2001。
[25]王陳鴻，“加工液中添加Al-Cr 混合粉末對工具鋼放電加工特性之影響”論文，國立中央大學機械工程研究所，中壢，第50-54頁，2000。
[26]陳永昇、黃立仁、林炎成、游家成，“磁力輔助放電加工對表面微裂縫影響之研究”，第二十二屆機械工程研討會論文，第D2-34頁，2005。
[27]Tzeng, Y. F. and Chen, F. C., “Investigation into some suface characteristics of electrical discharge machined SKD-11 using powder-suspension dielectric oil,” Journal of Materials Processing Technology, Vol. 170, pp. 385-391, 2005.
[28]田口玄一，田口方法在理工科技上的應用，穩健設計(Robust Design)演講，中正理工學院、中國生產力中心，第5-10頁，2000。

[29]Leisk G. and Saigal A., “Taguchi analysis of heat treatment variables on the mechanical behavior of alumina/aluminum metal matrix composites,” Composites Engineering, Vol. 5, pp.129-142, 1994.
[ ]李輝煌，田口方法-品質設計的原理與實務，高立出版社，臺北，第22-30頁，2000。
[30]Lin, J. L., Wang, K. S., Yan, B. H. and Tarng, Y. S., “Optimization of the electrical discharge machining process based on the Taguchi method with fuzzy logics,” Journal of Materials Processing Technology, Vol. 102, pp. 48-55, 2000.
[31]Bendraos, P.G., and Vosniakos, G. C., “Prediction of surface roughness roughness in CNC face milling using neural networks and Taguchi’s design of experiments,” Journal of Robotics and Computer Integrated Manufacturing, Vol. 18, pp. 343-354, 2002.
[32]Ko, D. C., Kim, D. H. and Kim, B. M., “Application of artificial neural network and Taguchi method to preform design in metal forming considering workability,” International Journal of Machine Tools & Manufacture, Vol. 39, pp. 771-785, 1999.
[33]謝文馨、廖聲榮、王子明、蘇義中，“應用類神經網路預測薄殼產品之收縮與翹曲”，第二十屆機械工程研討會論文集，第1455-1461頁，2003。
[34] http://www.daido.co.jp/products/formed/aero.html
[35]Li, R. B., Yao, M., Liu, W. C., and He, X. C., “Isolation and determination for δ, γ’and γ”phases in Inconel 718 alloy,” Scripta Materialia, Vol. 46, pp. 635-638, 2002.
[36]Liao, Y. S., Yan, M. T., and Chang, C. C., “A neural network approach for the on-line estimation of workpiece height in WEDM,” Journal of Material Processing Technology, Vol. 121, pp. 252-258, 2002.

[37]Lin, T. Y., and Tseng, C. H., “Optimum design for artificial neutral networks : an example in a bicycle derailleur system,” Engineering Application of Artificial Intelligence, Vol. 13, pp. 3-14, 2000.
[38]葉怡成，類神經網路模式應用與實作，儒林出版社，臺北，第5-109頁，` 1993。
[39]蘇木村、張孝德，機器學習（類神經網路、模糊系統以及基因演算法則），全華出版社，臺北，第三章，第2-47頁，2001。
[40]魯基才，“整合類神經網路與田口實驗計畫法於抗彈鋼板之線切割放電加工特性與表面完整性研究”，碩士論文，國防大學中正理工學院兵器系統工程研究所，大溪，第63-67頁，2005。
[41]Peace, G. S., “Taguchi Methods: A Hands-on Approach”, Addison- Wesley, Massachusetts, pp. 55-60, 1993.
[42]歐崇明，MATLAB使用入門手冊，高立圖書有限公司，台北，第10-12頁，1998。
[43]羅珊智慧型科技工作室，MATLAB入門及應用，松崗電腦圖書資料股份有限公司，台北，第50-60頁，1999。