跳到主要內容

臺灣博碩士論文加值系統

(44.192.247.184) 您好!臺灣時間:2023/01/30 12:24
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:黃鴻祥
研究生(外文):HUANG, HUNG-HSIANG
論文名稱:使用有限元素法於銑牙刀加工不銹鋼之幾何角度優化
論文名稱(外文):Geometric Angle Optimization of Thread Milling Cutter for Processing Stainless Steel Using Finite Element Method
指導教授:盧建余盧建余引用關係
指導教授(外文):LU, CHIEN-YU
口試委員:蔡循恒李聯旺壽鶴年盧建余
口試委員(外文):TSAI, HSUN-HUNGLEE, LIAN-WANGSHOU, HO - NIENLU, CHIEN-YU
口試日期:2022-05-21
學位類別:碩士
校院名稱:國立彰化師範大學
系所名稱:工業教育與技術學系
學門:教育學門
學類:專業科目教育學類
論文種類:學術論文
論文出版年:2022
畢業學年度:110
語文別:中文
論文頁數:98
中文關鍵詞:有限元素法銑牙刀田口法倒傳遞類神經網路
外文關鍵詞:Finite Element MethodThread Milling CutterTaguchi MethodBack-Propagation Neural Network (BPNN)
相關次數:
  • 被引用被引用:0
  • 點閱點閱:171
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
因應科技的發展趨勢且面對難加工材料的日益增多,其切削刀具的幾何角度更是值得深入研究,本研究以銑牙刀刀具作為研究對象,因在金屬切削的過程中,刀刃的幾何角度較為複雜,較難以數學模型計算的方式來比較不同的刀具幾何角度,因此在傳統的刀具幾何設計中,只能依靠單純的大量實驗方式,既耗時又費力,相較於傳統方式,使用有限元素法進行模擬銑削不但可以節省材料,而且實驗的重複性高,且能準確獲得於切削加工實驗時難以量測的狀態變數,故本研究根據控制變數法配置切削條件與刀具幾何角度,再使用有限元素法建構銑牙刀加工不銹鋼之刀具幾何角度的模型並進行模擬銑削分析,模擬中將刀具銑削分析模型建構為正交切削,但因銑削之切削行為為斜切削,因有效傾角在斜切削時扮演著與正交切削時的傾角功能一樣,因此模擬中將斜切削模式簡化為正交切削,以有效傾角作為正交切削的傾角並作為最佳化設計準則。模擬後驗證切削條件與刀具幾何對銑削過程的影響並判別模擬的可行性,模擬銑削確定無誤後。最後,以田口法直交表規劃刀具銑削模擬實驗進行分析研究,並以田口法變異數分析找出最佳參數組合,再以倒傳遞類神經網路進行第二階段優化,接著反推研磨角度並研磨刀具,之後進行實際的加工實驗驗證,實驗中以最佳參數組合與最差參數組合進行比對,實驗結果證明最佳參數組合相較於最差參數組合有明顯的改善,故證明使用有限元素法可應用於刀具幾何角度的設計建構且具有可信度。
In response to the developing trend of technology and the increasing number of difficult-to-machine materials, the geometric angle of cutting tool is worthy of further study. This research takes the thread milling cutter as the research object: In the process of metal cutting, the geometric angle of the cutting edge is more complicated, it is more difficult to compare different cutting tool geometric angles by the method of mathematical model calculation. Therefore, in the traditional tool geometry design, we can only rely on a large number of experiments, which is time-consuming and laborious. Compared with traditional methods, simulated milling using the finite element method not only saves material. Moreover, the repeatability of the experiment is high, and it can accurately obtain difficult-to-measure state variables in cutting experiment. Therefore, in this study, cutting conditions and tool geometric angles were configured according to the Control Variates Approach, then use the Finite Element Method to construct model of tool geometric angles for thread milling cutter machining of stainless steel and conduct Simulated Cutting Analysis. The thread milling cutter cutting analysis model is constructed as orthogonal cutting in the simulation. However, the cutting behavior of milling is oblique cutting, and the effective rake angle under oblique cutting performs the same function as the rake angle under orthogonal cutting. Thus, the oblique cutting mode is simplified to orthogonal cutting in the simulation, to take the effective rake angle as the rake angle of orthogonal cutting as the optimal design criterion. After the simulation, verify the influence of cutting conditions and tool geometry on the milling process and judge the feasibility of simulation. After the simulated milling is determined to be correct. Eventually, to conduct analytical research by using Taguchi method Orthogonal Array to plan milling simulation experiment with (thread) milling cutter to find out the best process parameters combination by using Taguchi method ANOVA, then perform the second-stage optimization with Back-Propagation Neural Network (BPNN), then reverse the grinding angle and grind the tool, after that, to conduct actual processing experiment to verify. The experimental results show that the best parameters combination has obvious improvement compared with the worst parameter combination. Therefore, it is proved that the finite element method can be applied to the design and construction of the geometrical angle of the tool and credible.
目次

摘要 i
ABSTRACT ii
誌謝 iv
目次 v
表目錄 ix
圖目錄 xi

第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 1
1.3 文獻回顧 2
1.4 研究流程 6
1.5 論文架構 7
第二章 基礎理論 8
2.1 銑牙刀(Thread Milling Cutter) 8
2.1.1 銑牙刀幾何角度 9
2.1.2 螺紋銑削工作原理 12
2.2 金屬切削理論 12
2.2.1 正交切削與斜切削 12
2.2.2 二維切削與三維切削之幾何角度 13
2.2.3 切屑流動方向(Chip-Flow Direction) 15
2.2.4 刀具磨耗定義 18
2.3 田口法 19
2.3.1 品質的損失函數 20
2.3.2 信號雜訊比(S/N比) 21
2.3.3 田口直交表 22
2.3.4 變異數分析(ANOVA) 23
2.3.5 加法模式與信賴區間 25
2.4 有限元素分析 25
2.4.1 剛-塑性成形之基本理論 25
2.4.2 疊代法(Iteration) 27
2.4.3 摩擦效應 30
2.4.4 DEFORM軟體簡介 31
2.5 類神經網路 35
2.5.1 類神經網路基本概論 35
2.5.2 類神經網路基本架構 36
2.5.3 倒傳遞類神經網路基本概論 40
2.5.4 倒傳遞網路演算法 41
第三章 銑牙刀之刀具幾何角度建構研究 46
3.1 刀具幾何角度分析模型建立 46
3.2 切削模擬的模型建構 47
3.2.1 工件與刀具的模型建構 47
3.2.2 建立材料模型 48
3.2.3 模擬參數的設定 49
3.3 模型分析實驗 50
3.3.1 刀具幾何對切削過程的影響 50
3.3.2 刀具幾何對溫度及切屑的影響 55
3.4 銑牙刀最佳化設計建構 59
3.4.1 模擬實驗規劃 59
3.4.2 模擬分析與S/N比計算 61
3.4.3 因子反應 65
3.4.4 變異數分析 67
3.4.5 確認實驗 68
3.4.6 倒傳遞類神經網路之預測分析 69
3.4.6.1 驗證倒傳遞類神經網路準確度 69
3.4.6.2 倒傳遞類神經網路預測刀具幾何角度 71
第四章 驗證實驗規劃 74
4.1 實驗軟體與設備 74
4.1.1 ToolRoom刀具設計軟體 74
4.1.2 ANCA MX7五軸CNC工具磨床 76
4.1.3 JS-150CNC-P3-2D外圓段差研磨機 77
4.1.4 Zoller genius3s刀具量測儀 78
4.1.5 FARMAN FC-250W砂輪修整機 79
4.1.6 Zoller venturion 450刀具量測儀 80
4.1.7 KEEJAAN KJ-1000A 刀具影像量測儀 81
4.1.8 CMQ-8高速加工中心機 82
4.1.9 SVP-2010手動影像量測儀 83
4.2 刀具幾何角度設計與研磨 84
4.3 驗證實驗 85
4.4 分析與討論 89
第五章 結論與未來展望 93
5.1 結論 93
5.2 未來展望 94
參考文獻 95

表目錄
表1 L9(34) 直交表[20] 22
表2 316L不銹鋼物理特性[26] 49
表3刀具傾角模擬參數表 50
表4刀具餘隙角模擬參數表 50
表5實驗因子水準表 61
表6 L9(34)實驗配置直交表 61
表7材料機械性質[26] 61
表8 L9(34)模擬實驗結果之切削力與S/N比 65
表9因子反應表 66
表10最佳參數組合 67
表11最差參數組合 67
表12變異數分析表 68
表13模擬驗證實驗結果之切削力與S/N比 69
表14倒傳遞類神經網路之預測結果 70
表15實際值與BPN預測值之誤差比較 71
表16刀具幾何角度數學函數轉換 72
表17刀具幾何因子配置表 72
表18模擬實驗與BPN預測值之誤差比較 73
表19 MX7五軸CNC工具磨床之機械規格表 76
表20 JS-150CNC-P3-2D外圓段差研磨機規格表 77
表21 genius3s刀具量測儀規格表 78
表22 FC-250W砂輪修整機規格表 79
表23 Zoller venturion 450刀具量測儀規格表 80
表24 KJ-1000A 刀具影像量測儀規格表 81
表25 CMQ-8高速加工中心機規格表 82
表26 SVP-2010手動影像量測儀規格表 83
表27驗證刀具之幾何角度 84
表28實驗刀具幾何角度之檢測結果 85
表29驗證實驗之切削條件 86
表30刀腹磨耗量測結果 87
表31最佳參數組合與最差參數組合之比較 90

圖目錄
圖1研究流程 7
圖2銑牙刀型式 9
圖3銑牙刀幾何示意圖 9
圖4螺旋角、螺旋導程與刀具直徑之關係[6] 10
圖5傾角之角度示意圖[11] 11
圖6刃寬、傾角角和餘隙角之示意圖 11
圖7螺紋銑削原理[17] 12
圖8正交切削與斜切削之示意圖[19] 13
圖9具有傾斜角之切削刀具平面圖[18] 14
圖10正交切削時,金屬受到刀具作用,因而傾斜的角度(90°-α) [18] 14
圖11斜切削刀具之有效傾角[18] 15
圖12垂直刀具表面之方向看刀具時,所得到的切屑流動方向OC[18] 15
圖13斜交切削刀具之平面視圖[18] 16
圖14具有任意組合的傾斜角和向傾角αn時,有效傾角(rake angle)αe之決定圖表[18] 17
圖15刀具磨耗之示意圖[11] 18
圖16刀腹磨耗量VB之發展狀況示意圖[11] 19
圖17刀面和刀腹磨耗示意圖[11] 19
圖18直接法收斂之狀況[21] 28
圖19牛頓-拉佛森法收斂之狀況[21] 29
圖20牛頓-拉佛森法無法收斂之狀況[21] 29
圖21DEFORM系統主要模組以及功能[23, 24] 32
圖22材料性質之參數 33
圖23材料資料庫 33
圖24比重參數 34
圖25後處理模式 35
圖26類神經網路神經元之模型[25] 36
圖27類神經網路之處理單元作用圖[25] 36
圖28正規化輸出[25] 38
圖29競爭化輸出[25] 38
圖30競爭化學習[25] 39
圖31倒傳遞類神經網路架構[25] 41
圖32刀具模型定義 47
圖33工件模型定義 48
圖34刀具與工件材料相對位置之示意圖[4] 48
圖35刀具與工件材料網格化之示意圖 49
圖36切削力變化及切削過程 53
圖37刀具傾角對切削力的影響 54
圖38刀具餘隙角對切削力的影響 55
圖39刀具傾角對溫度及切屑的變化 58
圖40刀具傾角對最高溫度的影響 58
圖41 L9(34)實驗之切削力變化 65
圖42因子反應圖 66
圖43倒傳遞類神經網路的訓練過程 70
圖44實際值與預測值之誤差比較 73
圖45ToolRoom刀具研磨設計軟體 75
圖46ToolRoom刀具研磨設計軟體操作介面 75
圖47ToolRoom刀具研磨動態模擬 75
圖48ANCA MX7五軸CNC工具磨床[28] 76
圖49 JS-150CNC-P3-2D外圓段差研磨機[29] 77
圖50 Zoller genius3s刀具量測儀[30] 78
圖51 FARMAN FC-250W砂輪修整機[31] 79
圖52 Zoller venturion 450刀具量測儀[32] 80
圖53 KJ-1000A 刀具影像量測儀[33] 81
圖54 CMQ-8高速加工中心機[34] 82
圖55 SVP-2010手動影像量測儀[35] 83
圖56螺紋銑削加工之示意圖[36] 85
圖57銑牙刀刀腹磨耗之量測點示意圖 86
圖58刀腹磨耗圖 89
圖59切削長度與刀腹磨耗量之關係 92

參考文獻
[1] M. S. REPORT, "Global Metal Cutting Tools Market 2020 by Manufacturers, Regions, Type and Application, Forecast to 2025," MSR2415754, 2020.
[2]李振源, "高速銑刀之銑切過程中振動分析," 碩士, 機械工程系, 國立高雄科技大學, 高雄市, 2020.
[3]林煜銘, "可變形切削刀具的正交金屬切削之熱固耦合有限元素分析模型研究," 碩士, 機械工程學系(所), 大同大學, 台北市, 2009.
[4]吳昭鋒, "高速切削SKD61模具鋼用之端銑刀最佳化設計," 碩士, 創意工程與精密科技研究所, 國立虎尾科技大學, 雲林縣, 2009.
[5] L. Mamundi Azaath, E. Mohan, and U. Natarajan, "Effect of rake angle and tool geometry during machining process of AISI 4340 steel in finite element approach," Materials Today: Proceedings, vol. 37, pp. 3731-3736, Jan. 2021.
[6]蕭登元, "切削不鏽鋼之不等分割與不等螺旋銑刀優化設計," 碩士, 機械與電腦輔助工程系碩士班, 國立虎尾科技大學, 雲林縣, 2019.
[7]陳建銘, "不同傾角銑刀對加工特性之影響," 碩士, 機械工程系, 國立勤益科技大學, 台中市, 2011.
[8]李昭佐, "端銑刀之傾角、螺旋角與鍍膜對銑削硬鋼工件表面粗糙度之影響," 碩士, 機電工程研究所, 華梵大學, 新北市, 2007.
[9] P. L. Huang, J. F. Li, J. Sun, and J. Zhou, "Study on performance in dry milling aeronautical titanium alloy thin-wall components with two types of tools," Journal of Cleaner Production, vol. 67, pp. 258-264, Mar. 2014.
[10]施懿軒, "以田口方法分析高碳鋼表面粗糙度之銑削最佳製程參數研究," 碩士, 機械與電腦輔助工程學系, 逢甲大學, 台中市, 2016.
[11]黃智彥, "銑削NAK80模具鋼之最佳刀具幾何設計研究," 碩士, 機械與電腦輔助工程系碩士班, 國立虎尾科技大學, 雲林縣, 2019.
[12] P. Haja Syeddu Masooth, V. Jayakumar, and G. Bharathiraja, "Experimental investigation on surface roughness in CNC end milling process by uncoated and TiAlN coated carbide end mill under dry conditions," Materials Today: Proceedings, vol. 22, pp. 726-736, Jan. 2020.
[13] S. V. Alagarsamy, M. Ravichandran, M. Meignanamoorthy, S. Sakthivelu, and S. Dineshkumar, "Prediction of surface roughness and tool wear in milling process on brass (C26130) alloy by Taguchi technique," Materials Today: Proceedings, vol. 21, pp. 189-193, Jan. 2020.
[14] Z. Youpeng and J. Mao, "Research on Predicting Machining Surface Roughness Based on Neural Network," in 2020 3rd World Conference on Mechanical Engineering and Intelligent Manufacturing (WCMEIM), 2020, pp. 161-165.
[15] M. I. Hossain, A. K. M. N. Amin, and A. U. Patwari, "Development of an artificial neural network algorithm for predicting the surface roughness in end milling of Inconel 718 alloy," in 2008 International Conference on Computer and Communication Engineering, 2008, pp. 1321-1324.
[16] SmiCut. (2022,MAR 28). Top 11 Advantages of Thread Milling [Online]. Available: https://smicut.com/en/top-11-advantages-of-thread-milling/.
[17]张生芳, 王豪华, 马付建, 黄文丽, and 沙智华, "螺纹铣削切削力有限元分析及试验," 工具技术, vol. 8, 2016.
[18]林維新 and 紀松水, "切削理論,"全華科技圖書股份有限公司, 1990.
[19]李鈞澤, "切削刀具學,"新文京開發出版股份有限公司, 2006.
[20]李輝煌, "田口方法品質設計的原理與實務,"高立圖書有限公司, 2000.
[21]蔡水發, "小型高速液動軸承之電磁成形分析," 碩士, 機械工程系碩士班, 國立雲林科技大學, 雲林縣, 2003.
[22] Kobayashi, S., Oh, S. I. and Altan, T. , "Metal forming and the finite-element method," Oxford university press, New York , 1989.
[23] DEFORM User’s Guide, "Scientific Forming Technologies Corporition," Columbus OH, 1999.
[24]邱建彰, "有限元素法結合類神神經網路應用於刮痕試驗," 碩士, 機械與機電工程研究所, 國立虎尾科技大學, 雲林縣, 2008.
[25]葉怡成, "類神經網路模式應用與實作,"儒林圖書有限公司, 1994.
[26] makeitfrom.com. (2022,Feb 28). Material Properties Database [Online]. Available: https://www.makeitfrom.com/material-properties/AISI-316L-S31603-Stainless-Steel.
[27] OSG. (2022,MAR 28). OSG Product Catalog [Online]. Available: https://www.tosg.com.tw/upload/media/c_85.pdf.
[28] ANCA. (2022,Feb 21 ). MX7 Linear [Online]. Available: https://machines.anca.com/Products/Machines/MX-Linear/MX7-Linear.
[29] Startech. (2022,Feb 21). JS-150CNC-P3-2D [Online]. Available: https://en.startech.com.tw/products_detail/26.htm.
[30] ZOLLER. (2022,Feb 21 ). genius [Online]. Available: https://www.zoller-uk.com/products/inspection-measuring/universal-measuring-machines/genius.
[31] FARMAN. (2022,Feb 21). FC-250W [Online]. Available: https://www.farman.com.tw/cht/products.php?func=p_detail&p_id=3&pc_parent=2#parentHorizontalTab2.
[32] ZOLLER. (2022,Feb 21 ). venturion [Online]. Available: https://www.zoller.info/us/products/presetting-measuring/vertical-devices/venturion.
[33] KEEJAAN. (2022,Feb 21). KJ-1000A [Online]. Available: http://www.keejaan.com/c_kj-1000a.html.
[34] CHAMPMILL. (2022,Feb 21). champmill [Online]. Available: https://www.champmill.com.tw/e-catalog/champmill/.
[35] ARCS. (2022,Feb 21). SVP 手動影像量測系統 [Online]. Available: https://www.arcs.tw/product_d.php?pid=13.
[36] A. Carla Araujo, J. Luis Silveira, M. B. G. Jun, S. G. Kapoor, and R. DeVor, "A model for thread milling cutting forces," International Journal of Machine Tools and Manufacture, vol. 46, no. 15, pp. 2057-2065, Dec. 2006.

電子全文 電子全文(網際網路公開日期:20270607)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊