محاسبه طول درگيري براده و ابزار در فرآيند تراش كاري متعامد با استفاده از الگوريتم فراكاوشي برنامه‌ريزي ژنتيك

Genetic equation for the prediction of tool-chip contact length in orthogonal machining

در ماشين كاري فلزات نشان داده شده‌‌است كه طول درگيري براده و ابزار تاثير بسزايي در بسياري از پارامترهاي خروجي ماشين كاري مانند نحوه تشكيل براده، نيروهاي برشي، دماي برش، سايش ابزار و عمر ابزار دارد. هرگونه كاهش در طول درگيري براده و ابزار، ضخامت براده را در منطقه برش ثانويه كاهش داده و در نهايت منجر به كاهش دماي برش و نيروهاي برشي مي‌شود. در نتيجه اين پارامتر تاثير چشمگيري در عمر ابزار و صافي سطح قطعات توليد شده در روش ماشين كاري خواهد داشت. روش هاي متعددي توسط محققان مختلف جهت تخمين طول درگيري براده و ابزار ارايه شده ‌است كه در شرايط يكسان هركدام جواب متفاوتي نسبت به ساير روش ها به دست مي‌دهد. در اين مقاله يك معادله ژنتيكي براساس برنامه‌ريزي ژنتيك و مقادير اندازه‌گيري شده براي محاسبه طول درگيري براده و ابزار ارايه شده‌است. نتايج صحت‌سنجي نشان دهنده انطباق قابل قبول نتايج معادله به دست آمده با مقادير اندازه‌گيري شده در آزمايشات بوده و مي‌توان گفت كه مدل ارايه شده، طول درگيري براده و ابزار را با دقت بيشتري نسبت به ساير مدل هاي ارايه شده در اين زمينه پيش بيني مي‌كند.

In metal cutting, it has been acknowledged that the tool-chip contact length significantly affects many aspects of machining such as chip formation, cutting forces, cutting temperatures, tool wear and tool life. Significant decrease in the tool-chip contact length decreases the thickness of the secondary shear zone which leads to a decrease in the cutting temperature and cutting force. As a result, it has a great effect on the finished surface and tool life. Several ways have been proposed in different works to find its value which have given discordant results for the same set of cutting conditions. In this paper, the genetic equation for the tool-chip contact length is developed with the use of the experimentally measured contact length values and genetic programming. The suggested equation has shown to correspond well with experimental data in various machining conditions with associated cutting parameters. This model predicts tool-chip contact length better than other known solutions.