آزمايشات تجربي به منظور بررسي كيفيت سطح و شكاف برش در فرآيند برش كاري جت‏آب روي سوپرآلياژ اينكونل 718 و بهينه‏سازي فرآيند

Experimental investigations in order to evaluate the kerf and surface roughness in the water jet cutting process of Inconel 718 superalloy and process optimization

آلياژ اينكونل 718 با داشتن خواص منحصر به فردي چون سختي زياد و نقطه ذوب بالا، كاربرد گسترده‏اي در صنايع هوايي و توربين سازي يافته است. به دليل همين ويژگي‌ها،عمليات برش اينكونل 718 با روش‌هاي سنتي، دشوار و هزينه بر است. يكي از مناسبترين روش‌ها براي برش آلياژ اينكونل 718، برش كاري با جت‌آب مي‌باشد. زبري سطح و مشخصات هندسي شكاف برش، از پارامتر‌هاي بسيار مهم در فرآيند برش كاري به شمار مي آيند. اين پارامترها تاكنون در فرآيند برش كاري اينكونل 718 با جتآب به طور گسترده مورد بررسي قرار نگرفته‌اند. در اين تحقيق برش آلياژ اينكونل 718 توسط عمليات برش جت‌آب صورت پذيرفت و سپس اثر پارامترهاي برش كاري جت‌آب شامل سرعت برش، فشار آب، و مقدار ريزش مواد ساينده بر روي زبري سطح و مشخصات هندسي شكاف برش، با استفاده از آزمايشات تجربي و سيستم‌هاي هوشمندي چون شبكه عصبي مصنوعي مورد بررسي قرار گرفت. نتايج به دست آمده حاكي از دقت بالاي مدل ارايه شده در تخمين زبري سطح، مشخصات هندسي و پهناي شكاف برش بود.

Having unique properties such as high melting point and hardness, Inconel 718 superalloy has been found a widespread application in turbines and aerospace industries. Due to these properties, Inconel 718 superalloy cutting with traditional methods is difficult and costly. Therefore, novel cutting methods such as waterjet cutting have been considered. Geometrical characteristics of the cutting kerf and the surface roughness are important factors in the cutting process. These parameters have not been widely investigated in the water jet cutting of Inconel 718. In this study, Inconel 718 superalloy was cut via water jet, and the effect of cutting parameters including cutting speed, water pressure, and the abrasive flow rate on the cutting kerf width and surface roughness was investigated through experimental investigations and artificial neural network. The results implied the high precision of the model in the estimation of kerf width and surface roughness