Математический анализ профиля поверхности титанового сплава после различных режимов электромеханической обработки

Обложка

Цитировать

Полный текст

Аннотация

Введение. В настоящее время существует множество математических подходов для аппроксимации кривой профиля поверхности. В большинстве из них заложены объемные математические выражения для описания параметров профиля поверхности после различных видов обработки. Цель работы: подобрать достаточно простой с инженерной точки зрения математический аппарат для аппроксимации профиля поверхности образцов из титанового сплава ВТ22 после поверхностного пластического деформирования (ППД) и различных режимов электромеханической обработки (ЭМО) с возможностью исключения случайных технологических погрешностей. В работе исследовано влияние режимов ЭМО переменным и постоянным током 100, 300 и 600 А/мм2 с учетом усилия деформирующего электрода-инструмента (150 Н) и без него (10 Н) на геометрию поверхности образцов из титанового сплава ВТ22. Используемая в работе электромеханическая обработка металлических сплавов способна существенно изменять геометрический профиль, структуру и эксплуатационные свойства поверхности. Отличительной ее чертой является создание на поверхности как микроотклонений (шероховатость), так и макроотклонений и рельефа (волнистость, «масляные карманы», наплывы от наплавки металла под ремонтный размер). Методы исследования: профилометрический анализ, выполненный на приборе ПМ-7, и последующая обработка с помощью быстрого преобразования Фурье (БПФ) результатов замера шероховатости поверхности предварительно подвергнутого получистовой токарной обработке цилиндрического образца из титанового сплава ВТ22 диаметром 16 мм после электромеханической обкатки электродом-инструментом. Оценка погрешности модельных кривых профиля поверхности проводилась по коэффициенту корреляции Пирсона (R). Результаты и обсуждение. Показано, что использование постоянного тока высокой плотности способствует получению поверхности с высокой относительной опорной длиной профиля (98,8 %), низким среднеарифметическим отклонением профиля (1,9 мкм) и средним шагом неровности профиля (56 мкм). На основе БПФ показано, что рассмотренные режимы электромеханической обработки способствуют образованию волнистости профиля с различным шагом и высотой. Наибольшая взаимосвязь наблюдается для режимов 2, 4, 9 (R > 0,7), наименьший коэффициент корреляции был отмечен для ЭМО постоянным током плотностью 100 и 300 А/мм2 (режим 5 и 6, R < 0,25).

Об авторах

Михаил Дмитриевич Романенко

Волгоградский государственный технический университет

Автор, ответственный за переписку.
Email: romanenko.mihail2009@yandex.ru
ORCID iD: 0000-0002-4800-7151
SPIN-код: 3290-7190
Scopus Author ID: 57209329802
ResearcherId: GNP-5426-2022
https://www.vstu.ru/university/personalii/romanenko_mikhail_dmitrievich/

канд. техн. наук

Россия, 400005, Россия, г. Волгоград, пр. им. В.И. Ленина 28

Игорь Николаевич Захаров

Волгоградский государственный технический университет

Email: 4zaxap@gmail.com
ORCID iD: 0000-0001-7177-7245
SPIN-код: 8194-3649
Scopus Author ID: 7202049526
ResearcherId: M-8437-2013
https://www.vstu.ru/university/personalii/zakharov_igor_nikolaevich/

доктор техн. наук, доцент

Россия, 400005, Россия, г. Волгоград, пр. им. В.И. Ленина 28

Вячеслав Петрович Багмутов

Волгоградский государственный технический университет

Email: sopromat@vstu.ru
ORCID iD: 0000-0003-3648-8450
SPIN-код: 1691-2822
Scopus Author ID: 6603555304

доктор техн. наук, профессор

Россия, 400005, Россия, г. Волгоград, пр. им. В.И. Ленина 28

Владислав Валерьевич Баринов

Волгоградский государственный технический университет

Email: barinov@vstu.ru
ORCID iD: 0000-0001-9400-7366
SPIN-код: 1364-1834
Scopus Author ID: 57216800433

Инженер 1 категории

Россия, 400005, Россия, г. Волгоград, пр. им. В.И. Ленина 28

Минь Тыонг Нгуен

Российский технологический университет МИРЭА

Email: nguen_m@mirea.ru
ORCID iD: 0009-0004-7484-7009
SPIN-код: 6194-5190
ResearcherId: MCI-9439-2025

канд. техн. наук

Россия, 119454, Россия, г. Москва, Проспект Вернадского 78

Список литературы

  1. Хейфец М.Л., Грецкий Н.Л., Премент Г.Б. Технологическое наследование эксплуатационных параметров качества в жизненном цикле деталей двигателя внутреннего сгорания // Наукоемкие технологии в машиностроении. – 2019. – № 7 (97). – С. 35–42. – doi: 10.30987/article_5cf7bd2fec77a9.13115279.
  2. Аверченков В.И., Васильев А.С., Хейфец М.Л. Технологическая наследственность при формировании качества изготавливаемых деталей // Наукоемкие технологии в машиностроении. – 2018. – № 10 (88). – С. 27–32.
  3. Optimization of subtractive-transformative hybrid processes supported by the technological heredity concept / W. Grzesik, K. Zak, R. Chudy, M. Prazmowski, J. Malecka // CIRP Annals. – 2019. – Vol. 68 (1). – P. 101–104. – doi: 10.1016/j.cirp.2019.03.005.
  4. Влияние фазового состава титановых сплавов на параметры шероховатости, получаемые в процессе проволочной электроэрозионной обработки / А.А. Федоров, Ю.Е. Жданова, А.В. Линовский, Н.В. Бобков, Ю.О. Бредгауэр // Омский научный вестник. – 2021. – № 4 (178). – С. 18–24. – doi: 10.25206/1813-8225-2021-178-18-24.
  5. Мураткин Г.В., Сарафанова В.А. Влияние технологической наследственности напряженно-деформированного состояния на точность нежестких деталей // Проблемы машиностроения и надежности машин. – 2020. – № 1. – С. 56–64. – doi: 10.31857/S0235711920010095.
  6. Microstructure evolution and electroplasticity in Ti64 subjected to electropulsing-assisted laser shock peening / H. Zhang, Z. Ren, J. Liu, J. Zhao, Z. Liu, D. Lin, R. Zhang, M.J. Graber, N.K. Thomas, Z.D. Kerek, G.-X. Wang, Y. Dong, C. Ye // Journal of Alloys and Compounds. – 2019. – Vol. 802. – P. 573–582. – doi: 10.1016/j.jallcom.2019.06.156.
  7. Электромеханическое упрочнение металлов и сплавов / В.П. Багмутов, С.Н. Паршев, Н.Г. Дудкина, И.Н. Захаров, А.Н. Савкин, Д.С. Денисевич. – Волгоград: ВолгГТУ, 2016. – 460 с.
  8. Аскинази Б.М. Упрочнение и восстановление деталей машин электромеханической обработкой. – 3-е изд., перераб. и доп. – М.: Машиностроение, 1989. – 200 с.
  9. Sensitivity of material failure to surface roughness: A study on titanium alloys Ti64 and Ti407 / S. Sneddon, Y. Xu, M. Dixon, D. Rugg, P. Li, D.M. Mulvihill // Materials & Design. – 2021. – Vol. 200. – P. 109438. – doi: 10.1016/j.matdes.2020.109438.
  10. Overview of surface modification techniques for titanium alloys in modern material science: A comprehensive analysis / K. Gao, Y. Zhang, J. Yi, F. Dong, P. Chen // Coatings. – 2024. – Vol. 14 (1). – P. 148. – doi: 10.3390/coatings14010148.
  11. Enhancement of the microstructure and fatigue crack growth performance of additive manufactured titanium alloy parts by laser-assisted ultrasonic vibration processing / S.A. Ojo, K. Manigandan, G.N. Morscher, A.L. Gyekenyesi // Journal of Materials Engineering and Performance. – 2024. – Vol. 33. – P. 10345–10359. – doi: 10.1007/s11665-024-09323-8.
  12. Amanov A., Yeo I.K., Jeong S.H. Advanced post-processing of Ti6Al4V alloy fabricated by selective laser melting: A study of laser shock peening and ultrasonic nanocrystal surface modification // Journal of Materials Research and Technology. – 2025. – Vol. 35. – P. 4020–4031. – doi: 10.1016/j.jmrt.2025.02.038.
  13. Application of ultrasonic nanocrystal surface modification (UNSM) technique for surface strengthening of titanium and titanium alloys: A mini review / R. Liu, S. Yuan, N. Lin, Q. Zeng, Z. Wang, Y. Wu // Journal of Materials Research and Technology. – 2021. – Vol. 11. – P. 351–377. – doi: 10.1016/j.jmrt.2021.01.013.
  14. Effect of surface roughness on fatigue strength of Ti-6Al-4V alloy manufactured by additive manufacturing / M. Nakatani, H. Masuo, Y. Tanaka, Y. Murakami // Procedia Structural Integrity. – 2019. – Vol. 19. – P. 294–301. – doi: 10.1016/j.prostr.2019.12.032.
  15. Civiero R., Perez-Rafols F., Nicola L. Modeling contact deformation of bare and coated rough metal bodies // Mechanics of Materials. – 2023. – Vol. 179. – P. 104583. – doi: 10.1016/j.mechmat.2023.104583.
  16. Han T., Fan J. Ultrasonic measurement of contact stress at metal-to-metal interface based on a real rough profile through modeling and experiment // Measurement. – 2023. – Vol. 217. – P. 113046. – doi: 10.1016/j.measurement.2023.113046.
  17. A novel comprehensive framework for surface roughness prediction of integrated robotic belt grinding and burnishing of Inconel 718 / B. Qi, X. Huang, W. Guo, X. Ren, H. Chen, X. Chen // Tribology International. – 2024. – Vol. 195. – P. 109574. – doi: 10.1016/j.triboint.2024.109574.
  18. Influence factors and prediction model of surface roughness in single-point diamond turning of polycrystalline soft metal / Z. Xue, M. Lai, F. Xu, F. Fang // Journal of Materials Processing Technology. – 2024. – Vol. 324. – P. 118256. – doi: 10.1016/j.jmatprotec.2023.118256.
  19. Modeling of surface hardening and roughness induced by turning AISI 4140 QT under different machining conditions / B. Stampfer, J. Bachmann, D. Gauder, D. Böttger, M. Gerstenmeyer, G. Lanza, B. Wolter, V. Schulze // Procedia CIRP. – 2022. – Vol. 108. – P. 293–298. – doi: 10.1016/j.procir.2022.03.050.
  20. Roughness prediction model of milling noise-vibration-surface texture multi-dimensional feature fusion for N6 nickel metal / S. Li, S. Li, Z. Liu, A.V. Petrov // Journal of Manufacturing Processes. – 2022. – Vol. 79. – P. 166–176. – doi: 10.1016/j.jmapro.2022.04.055.
  21. An acoustic dataset for surface roughness estimation in milling process / N.R. Sakthivel, J. Cherian, B.B. Nair, A. Sahasransu, L.N.V.P. Aratipamula, S.A. Gupta // Data in Brief. – 2024. – Vol. 57. – P. 111108. – doi: 10.1016/j.dib.2024.111108.
  22. Surface roughness prediction based on fusion of dynamic-static data / J. Wang, X. Wu, Q. Huang, Q. Mu, W. Yang, H. Yang, Z. Li // Measurement. – 2025. – Vol. 243. – P. 116351. – doi: 10.1016/j.measurement.2024.116351.
  23. Features of changes in the surface structure and phase composition of the of α + β titanium alloy after electromechanical and thermal treatment / V.P. Bagmutov, V.I. Vodopyanov, I.N. Zakharov, A.Y. Ivannikov, A.I. Bogdanov, M.D. Romanenko, V.V. Barinov // Metals. – 2022. – Vol. 12 (9). – P. 1535. – doi: 10.3390/met12091535.
  24. The improved fault location method based on natural frequency in MMC-HVDC grid by combining FFT and MUSIC algorithms / J. He, B. Li, Q. Sun, Y. Li, H. Lyu, W. Wang, Z. Xie // International Journal of Electrical Power & Energy Systems. – 2022. – Vol. 137. – P. 107816. – doi: 10.1016/j.ijepes.2021.107816.
  25. Федоров В.Л. Критерий определения числа гармоник рядов Фурье, аппроксимирующих напряжения и токи трансформатора // Омский научный вестник. – 2018. – № 5 (161). – С. 82–89. – doi: 10.25206/1813-8225-2018-161-82-89.
  26. Конспект лекций по дисциплине «Основы восстановления деталей и ремонт автомобилей» / сост. Г.В. Мураткин. – Тольятти: ТГУ, 2008. – 120 с.
  27. Малышко С.Б., Тарасов В.В. Влияние технологических параметров электромеханической обработки на шероховатость поверхности // Проблемы транспорта Дальнего Востока: доклады тринадцатой научно-практической конференции с международным участием. – Владивосток, 2019. – С. 63–65. – EDN TJDMDB.
  28. Учкин П.Г. Применение вибронакатывания гильз цилиндров двигателя внутреннего сгорания с целью увеличения их ресурса // Известия Оренбургского государственного аграрного университета. – 2023. – № 2 (100). – С. 99–105. – doi: 10.37670/2073-0853-2023-100-2-99-105.
  29. Влияние импульсного электромеханического упрочнения на износостойкость подвижных сопряжений / С.Н. Паршев, И.М. Серов, А.В. Зубков, А.В. Коробов // Молодой ученый. – 2015. – № 23 (103), ч. 2. – С. 200–204.
  30. Influence of technological modes of combined high-energy treatment on wear resistance of transition class titanium alloy / V.P. Bagmutov, I.N. Zakharov, M.D. Romanenko, V.V. Barinov, V.V. Tikhaeva // Russian Physics Journal. – 2024. – Vol. 67 (10). – P. 1647–1653. – doi: 10.1007/s11182-024-03294-y.
  31. Manus H. An ultra-precise fast Fourier transform // Science Talks. – 2022. – Vol. 4. – P. 100097. – doi: 10.1016/j.sctalk.2022.100097.
  32. Леонов О.А., Вергазова Ю.Г. Относительная опорная длина профиля поверхности и долговечность деталей // Инновационная наука. – 2016. – № 1-2 (13). – С. 81–83.
  33. Алиев А.А., Булгаков В.П., Приходько Б.С. Качество поверхности и свойства деталей машин // Вестник Астраханского государственного технического университета. – 2004. – № 1 (20). – С. 8–12.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Примечание

Финансирование:

Исследование выполнено при финансовой поддержке РНФ (проект № 25-29-20241).



Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».