Dın 1.2344 çeliğinin tornalanmasında oluşan kesme kuvvetleri ve yüzey pürüzlülüğünün modellenmesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu çalışmada, sertleştirilmiş DIN 1.2344 sıcak iş takım çeliğinin kaplamalı ve kaplamasız kübik bor nitrür (CBN) kesici takımlar kullanılarak işlenebilirliği incelenmiştir. Taguchi L32 dikey dizinine göre sert tornalama deneyleri yapılmıştır. Esas kesme kuvveti (Fc) ve ortalama yüzey pürüzlülüğü (Ra) üzerinde kesme derinliği, ilerleme miktarı ve kesme hızının etkileri incelenmiştir. Kesme şartlarının Fc ve Ra üzerindeki önem seviyeleri varyans analizi (ANOVA) ile belirlenmiştir. Ayrıca, Fc ve Ra?nın tahmini için regresyon analizi (RA) ve yapay sinir ağları (YSA) ile matematiksel modeller geliştirilmiştir. Deneysel sonuçlar ile RA ve YSA sonucunda elde edilen Fc ve Ra değerlerinin karşılaştırılması yapılarak geliştirilen modellerin uygulanabilirliği değerlendirilmiştir. DIN 1.2344 çeliğinin işlenmesinde, en düşük Ra değeri kaplamasız CBN kesici takım ile 150 m/dak kesme hızı, 0,05 mm/dev ilerleme miktarı ve 0,1 mm kesme derinliğinde 0,23 µm olarak elde edilmiştir. En düşük Fc değeri; 200 m/dak kesme hızı, 0,05 mm/dev ilerleme miktarı ve 0,1 mm kesme derinliğinde 60,62 N olarak ölçülmüştür. ANOVA sonuçlarına göre, Ra üzerinde en fazla öneme sahip değişken %98,68 PCR ile ilerleme miktarı olurken, Fc üzerinde en fazla öneme sahip değişken %62,43 PCR ile kesme derinliği olarak belirlenmiştir. In this study, the machinability of hardened DIN 1.2344 hot work tool steel were investigated using coated and uncoated cubic boron nitride (CBN) cutting tools. Hard turning experiments were carried out according to Taguchi L32 orthogonal array. The effects of depth of cut, feed rate and cutting speed on the avarega surface roughness (Ra) and main cutting force (Fc) were analyzed. The significance levels of cutting conditions on Fc and Ra was determined with analysis of variance (ANOVA). Besides, mathematical models have been developed with regression analysis (RA) and artificial neural networks (ANN) to estimate of the Fc and Ra. The applicability of the developed models has been evaluated by comparing the experimental results with Fc and Ra values obtained from RA and ANN.In machining of DIN 1.2344 steel, the lowest Ra value was obtained as 0,23 µm by using uncoated CBN tool at cutting speed of 150 m/min, feed rate of 0,05 mm/rev and cutting depth of 0,1 mm. The lowest Fc value was measured as 60,62 N by using uncoated CBN tool at cutting speed of 200 m/min, feed rate of 0,05 mm/rev and cutting depth of 0,1 mm. According to ANOVA results, the feed rate is the most important variable on Ra with a PCR of 98,68%, while the depth of cut has been determined as the most important variable on Fc with a PCR of 62,43%.
Collections