بررسي تاثير پارامترهاي ماشين كاري بر روي صافي سطح در عمليات فرزكاري با استفاده از ميز هگزاپاد

Investigation of Machining Parameters Effect on Surface Roughness in Milling with Hexapod Machine Tool

در سال هاي گذشته ماشين ابزار هگزاپاد با شش درجه آزادي مورد توجه بسياري از محققان و صنعت گران براي رسيدن به اهدافي چون چالاكي و سرعت بالاي ماشين كاري قرار گرفته است. سطوح با شكل آزاد از جمله سطوح پر كاربرد در صنعت امروز مي باشند. از اين سطوح در صنايع خودرو سازي، هوا و فضا به وفور استفاده مي گردد. بنابراين ماشينكاري اين سطوح از اهميت بالايي برخوردار مي باشد. براي ميان يابي سطوح با شكل آزاد از منحني هاي نربز استفاده مي شود كه در نرم افزار هاي مكانيكي كاربرد خاص خود را دارند. براي بررسي كيفيت سطح ماشين كاري شده، زبري سطح نهايي حايز اهميت است و مهم ترين شاخصه سطح ماشين كاري شده است. در اين پژوهش، تاثير پارامترهاي مختلف ماشين كاري مانند عمق برش، سرعت پيشروي و سرعت برشي بر روي صافي سطح و ميزان زبري مورد بررسي قرار گرفته اند. براي طراحي آزمايش از روش تاگوچي استفاده شده است. همچنين با استفاده از شبكه هاي عصبي و الگوريتم ژنتيك بهينه ترين حالت براي صافي سطح به دست آمده است. نمونه آزمايش از نوع آلومينيوم گريد سه هزار مي باشد. نتايج نشان داد كه سرعت برشي و عمق برش بيشترين تاثير را بر روي صافي سطح دارد و با افزايش سرعت برشي صافي سطح بهبود مي يابد. همچنين افزايش عمق برش تاثير منفي بر صافي سطح دارد.

In the last years hexapod machine tool with six degrees of freedom has got the attention of experts for achieving high dexterity and high speed machining. Free form surfaces are widely used in today industries. These surfaces are much encountered in aerospace, auto and other industries. Therefore machining of these surfaces is very important. For interpolation of free form surfaces, NURBS curves are commonly used. For investigating the quality of machined surface, final surface roughness is very important and is the most important feature of machined surface. In this study the effect of machining parameters such as cutting depth, feed rate and cutting speed on surface roughness were investigated. Design of experiments was done using Taguchi method. Then with using of neural network and genetic algorithm the best case for surface roughness was achieved. The cutting tool used in this study was ball end-mill and the work piece was aluminum of three thousand series. The results showed that cutting speed and depth of cut had the most effect on the surface roughness.