外文文献翻译--使用田口方法和响应面方法研究球墨铸铁铸造工艺参数【中文4590字】【PDF+中文WORD】

外文文献翻译--使用田口方法和响应面方法研究球墨铸铁铸造工艺参数【中文4590字】【PDF+中文WORD】,中文4590字,PDF+中文WORD,外文,文献,翻译,使用,方法,响应,研究,球墨铸铁,铸造,工艺,参数,中文,4590,PDF,WORD 使用田口方法和响应面方法研究球墨铸铁铸造工艺参数 摘要：为了找到球墨铸铁中各种铸造参数的优化水平，从中型铸造厂观察到各种铸造缺陷和废品率。 不同的控制值选择浇注温度，孕育量，含碳量，水分含量，生坯压缩强度，渗透性和模具硬度等铸造参数。 使用1吨容量的无芯中频感应炉生产三种不同的金属熔体，其含量为0.4重量％，0.6重量％和0.8重量％接种量（Fe-Si-Mg合金和后接种剂）。 选择具有3级设置的L-27正交用于分析。 观察每次运行的反应。 每次运行的信噪比（S / N）使用Taguchi方法计算，并且基于S / N比识别不同铸造参数的优化水平。 对铸件接受率的方差分析得出结论：接种是影响铸件质量的最重要因素，贡献率为44％; 孕育量的增加导致球墨铸铁铸件合格率的显着提高。 实验结果表明，在优化参数下，废品率从16.98％降至6.07％。 关键词：优化水平; 铸造参数; 信噪比; 田口方法; 方差分析; “F'测试 中图分类号：TG143.文件代码：A文章编号：1672-6421（2016）05-352-09 一种有缺陷的铸造会导致生产力的巨大损失。 球墨铸铁具有优异的性能 力学性能如高强度，良好的延展性，良好的耐磨性和良好的疲劳性能。 球墨铸铁的性能取决于化学和热处理。 由于高强度重量比和性能范围，许多钢部件被球墨铸铁取代。 由于球状石墨的存在，球墨铸铁提供了强度和延展性的良好组合。 各种合金的改性是众所周知的通过改变微观结构改善性能的方法。 元素含量的微小变化导致铸铁机械性能的统计学显着增加或减少。 正确选择工艺参数是必要的，以获得高质量并随后提高工艺生产力。 碳当量值提高了熔融金属的流动性，并且对铸造产品的机械性能有很大影响。 通过优化可控工艺参数，如模具硬度，含水量，渗透率和生坯压缩强度，可以实现优质铸造。 方差分析（ANOVA）结果表明选定的工艺参数显着影响铸造缺陷和排除率。 使用正交阵列来实现田口方法。 Taguchi方法强调使用信噪比（S / N）研究响应变化的重要性，从而使由于不可控参数导致的质量特性变化最小化。 使用Minitab软件计算S / N比值。 工艺参数的设置通过使用田口的实验设计方法确定。 为了优化在铸铁厂生产的铸件的砂铸工艺参数，使用Taguchi方法来最大化S / N比并使噪音因子最小化。 响应面方法预测对于显着因素有更好的最佳响应。 在这项研究中，容易发生的各种缺陷,在中等规模铸造厂中观察到球墨铸铁铸件。 这些实验中产生的大部分组分的重量范围为500克至2千克，厚度为5毫米，10毫米，15毫米。 这些部件广泛用于法兰和联轴器等汽车应用，表1列出了一批不同部件的报废情况。 为了降低废品率，各种铸造参数如浇注温度，孕育量，含碳量，水分含量，生坯压缩强度，选择渗透性和硬度进行研究。 最终使用田口方法选择不同工艺参数的最佳选择。 表1：铸造厂中铸造缺陷的历史 1实验程序 1.1材料的化学分析 由1％容量的无芯中频感应炉熔化由12％-15％生铁，25％-30％铸造回收物和剩余废钢组成的熔体装料。 通过光谱仪分析测试原材料的化学成分，并列于表2中。将熔融金属在含有20-25mm尺寸的Fe-Si-Mg合金的预热的钢包中轻敲，底部覆盖有废钢。 熔融金属的出钢温度分别为1,300℃，1,350℃和1,400℃。 然后将接种物加入基础熔体中，同时直接倒入物流中以适当混合。 大小为4至8毫米的孕育剂被添加到熔融金属流中以易于溶解，并且应该无尘以避免由于氧化或热气流造成的损失。 接种量为Fe-Si-Mg合金和后接种物的总量，其中Fe-Si-Mg合金约为90wt。％，后接种物为10wt。％。 根据这个比例，加入不同比例的接种物，基础金属为1000公斤。 表3和表4列出了Fe-Si-Mg合金和后接种物的化学成分，以及含有0.4wt。％，0.6wt。％和0.8wt。％接种 表3：Fe-Si-Mg合金和后接种物的化学组成（重量％） 表4：基质和0.4％，0.6％和0.8％接种金属的化学组成（重量％） 显微组织观察和力学性能测试 为了观察显微组织和测试机械性能，制备厚度分别为5mm，10mm和15mm的50mm（长度）×25mm（宽度）的样品，对于0.4％，0.6％和0.8％接种的金属分别。 在显微组织分析之前，使用不同等级的金刚砂纸对试样进行良好抛光，然后用布抛光 。钻石膏。 抛光后，用2％硝酸酒精溶液（2％浓硝酸和98ml甲醇）对样品进行蚀刻。 进行布氏硬度测试。 使用系统集成金相图像分析仪观察样品的微观结构。 测试结果示于表5中。可以看出，球化度为87％至97％，布氏硬度（BH）为185至207，表明在这些实验中产生的所有组分具有良好的微观结构和机械性能属性。 表5：试样的球化度和布氏硬度（BH） 1.3 L-27正交系的实验设计 设计了L-27正交系的实验，制备了不同组的模具。 每个模具箱可以生产四个组件。 第一套模具箱具有含水量3％，生坯压缩强度1000gm•cm\，渗透率160和模具硬度 70.第二组模箱具有水分含量为3.6％，生压强度为1,150克•厘米\，渗透率为175，模具硬度为80的特性。第三组模箱具有含水率4.2％生坯压缩强度为1300克•厘米\，渗透率为190，模具硬度为90.每种接种金属共制备45个模具箱，并且在L-27正交阵列中每次运行，分配15个模具箱。 最初，在1400℃下浇注熔体，并且为每组浇注15个模具箱，总共浇注45个模具箱。 然后在1350℃和1300℃下浇铸熔体，每套15个模具箱也浇铸熔体。 对于含有0.4％，0.6％和0.8％孕育剂的金属重复相同的程序。 对于每次运行，生产了60个组件并分析了缺陷。 1.4 田口的做法 实验的田口设计是广泛使用的技术之一。 Taguchi方法通过一个强大的设计来减少过程中的变化实验。 该方法的总体目标是以低成本生产高质量的产品。 田口的方法被用于优化球墨铸铁的工艺参数。 实验设计（DOE）进行如下： • 选择适当的响应（输出变量）。 • 选择适当的因素（输入变量）。 • 设置适当的因子范围或级别。 • 为实验创建文档。 • 管理发生的实验。 • 报告和呈现结果（ANOVA）。 美国能源部根据七个铸造参数分别选择三个等级进行选择。 应用L-27正交阵列，其由3列和27行组成，这意味着进行了27次实验。 实验中的过程参数及其可行范围从研究中可用的数据中选择[2,6,7]。 表2给出了选定的工艺参数及其水平。本研究选定的铸造参数为：浇注温度，接种量，碳当量，含水量，生坯压缩强度，渗透率和模具硬度。 表6显示了铸造过程输入变量和实验设计水平。 使用统计软件“MINITAB 17”将田口方法应用于实验数据。 1.5 信噪比计算 S / N比率是使用田口的方法获得的。 '信号'是理想的值（平均值），'噪音'是不理想的值（标准偏差）。 因此，S / N比表示性能特征中存在的变化量。 根据性征的目标，可以有各种类型的S / N比。 在本研究中，“S / N比= -10×Log10（sum（1 / Y） n）”是 用于优化工艺参数。 'Y'是答案，'n'是每次试验的次数。 在这个实验中，每次运行n = 1。 表7显示了每次运行的不同信号（浇注温度，接种量，碳当量，含湿量，生坯压缩强度，渗透率，模具硬度），噪音或响应（认可百分比）和S / N比的正交阵列。 表7：L-27正交系- 信噪比  2 计算示例 运行：1 Y = 91.67，n = 1 S / N比= -10×Log10（和（1 / 91.67\）/ 1）= 39.24图1显示了不同S / N比。 越大越好。 表8显示了S / N比率的响应表。 根据表8选择不同参数的最佳值。 3 结果与讨论 根据图1和表8，获得了不同铸造工艺参数的最佳水平，如表9所示。 浇注温度 接种 碳 湿气 当量 内容 GCS 渗透性 39.5 模具硬度 39.4 39.3 39.2 39.1 39.0 38.9 1300 1350 1400 0.4 0.6 0.8 4.76 4.81 4.84 3.0 3.6 4.2 1000 1150 1300 160 175 190 70 80 90 图1：S / N比的主效应图（GCS - 绿色压缩强度） 表8：S / N比率的响应表 17 表9：过程参数的最佳级别 表10显示了在最佳条件下由于铸造缺陷而导致的部件损坏。 清楚地表明，拒绝率从16.98％（表1）显着降低到6.07％。 图2显示了优化前后各种缺陷的比较。 它清楚地表明，优化后所有缺陷都大大减少了。 方差分析（ANOVA） ANOVA用于估计各种工艺参数对选定性能特征的百分比贡献。 这给出了关于每个受控参数对感兴趣的质量特性的影响有多重要的信息。 结果的总变化是由于各种受控因素引起的变化总和 表10：优化后由于铸造缺陷引起的部件剔除 他们的相互作用和由于实验错误。 对原始数据和S / N数据进行方差分析以确定重要参数并量化它们对性能特征的影响。 基于原始数据的方差分析确定了影响平均响应的因素，而不是减少变化。 然而，基于信噪比的方差分析考虑了这两个方面。 表11：平均值的方差分析 使用统计软件Minitab 17.表11显示接种是具有33.43的F比率和贡献43.75％的最重要因素; 浇注温度是具有0.49的F比率和贡献0.64％的最不重要的因素。 图3显示了基于ANO VA的不同工艺参数的贡献百分比。 它表明接种率贡献最大的百分比。 3.2 使用响应面方法研究其他参数的接种 使用上述田口方法进行的分析仅对影响铸件接受率的主要因素进行分析，而没有考虑因素之间的相关性。 因此，使用响应面方法来进行研究以分析因素之间的相关性。 在田口分析中，发现接种是最重要的因素。 因此，轮廓 根据验收百分比，接种情况和使用Minitab17软件的其他因素生成地块和地表图。 在X轴处采取接种水平，在Y轴处采取其他因素。 使用等高线图和曲线图显示基于批准百分比的不同反应。 图4至图9表明，接种量和参数如浇注温度，碳当量，水分含量，生坯压缩强度，渗透性和模具硬度的增加导致铸件的合格率增加。 4 结论 从所进行的工作得出的结论如下： (1) 基于使用Taguchi方法的27次运行发现了最佳工艺参数：浇注温度1350ºC，接种量0.8％，碳当量4.81％，水分 (a) (b) 图4：铸造合格率与浇注温度和接种的轮廓图（a）和表面图（b） (a) (b) 图5：铸造合格率与碳当量（a）和接种量（b）的轮廓图（a）和曲面图（b） (a) (b) 图6：铸造合格率与含水量和接种量的等高线图（a）和表面图（b） (a) (b) 图7：铸造接受率与GCS和接种的等高线图（a）和表面图（b） 图8：铸造接受率与渗透率和接种量的等高线图（a）和表面图（b） (a) (b) 图9：铸造接受率与模具硬度和接种的轮廓图（a）和表面图（b） 含量3％，抗压强度为1300 gm·cm\，渗透率为175，模具布氏硬度为90.优化后，废品率从16.98％降至6.07％。接受率的方差分析得出结论，接种是影响铸件质量的最重要参数，贡献率为44％轮廓和表面图显示接种量的增加导致球墨铸铁铸件接受率的显着提高。 References [1] Senthilkumar B, Ponnambalam S G, Jawahar N, et al. Process factor optimization for controlling pull-down defects in iron castings. Journal of Materials Processing Technology, 2009, 209: 554-560. [2] Madtha L S and Narendra B B R. Experimental Behavioural Study of Ductile Cast Iron Microstructure and Its Mechanical Properties. International Journal of Engineering Research and Applications, 2013, 3(3): 1470-1475. [3] Bahubali B S and Vasudev D S. The Effect of Inoculation on Microstructure and Mechanical Properties of Ductile Iron. IOSR Journal of Mechanical and Civil Engineering, 2013, 5(6): 17-23. [4] Jezierski J and Bartocha D. Properties of cast iron modifying with use of new inoculants. Journal of Achievements in Materials and Manufacturing Engineering, 2007, 22(1): 25-28. [5] Aghakhani M, Mehrdad E, Hayati E, et al. Parametric Optimization of Gas Metal Arc Welding Process by Taguchi Method on Weld Dilution. International Journal of Modeling and Optimization, 2011, 1(3): 216-220. [6] Sylvester O and Raymond T. Study of carbon and silicon loss through oxidation in cast iron base metal using rotary furnace for melting. Leonardo Electronic Journal of Practices and Technologies, 2015, 26: 59-64. [7] Ganesh G P and Inamdar K H. Optimization of Casting Process Parameters using Taguchi Method. International Journal of Engineering Development and Research, 2014, 2(2): 2506-2511. [8] Mekonnen L N and Ajit P S. Optimization of aluminium blank sand casting process by using Taguchi’s robust design method. International Journal for Quality Research, 2012, 6(1): 81-97. [9] Rasik A U and Ishwar P K. Optimization of Sand Casting Process Parameter Using Taguchi Method in Foundry. International Journal of Engineering Research & Technology, 2012, 1(7): 1-9. [10] Pradeep A and Muthukumaran S. An analysis to optimize the process parameters of friction stir welded low alloy steel plates. International Journal of Engineering, Science and Technology, 2013, 5(3): 25-35. [11] Uday A D and Rahul C B. Casting Defect Analysis using Design of Experiments (DoE) and Computer Aided Casting Simulation Technique. Procedia CIRP, 2013, 7: 616-621. [12] Prajapati D R and Cheema D S. Optimization of Weld Crack Expansion Defect of Wheel Rims by Using Taguchi Approach: A Case Study. International Journal of Innovative Research in Science, Engineering and Technology, 2013, 2(8): 3437-3446. [13] Venkata R M, Krishna M R G, Hanumantha R D, et al. Optimization and Effect of Process Parameters on Tool Wear in Turning of Titanium Alloy under Different Machining Conditions. International Journal of Materials, Mechanics and Manufacturing.2014.2(4):272-277 [14] Surface Roughness in CNC Turning Operation. International Journal of Latest Trends in Engineering and Technology, 2013, 2(4): 454-463. [15] Mahendra G R and Nilesh A J. An optimization of forging process parameters by using Taguchi Method: An industrial case study. International Journal of Scientific and Research Publications, 2014, 4(6): 1-7. [16] Sarkar T and Sutradhar G. Study of Factors Influencing Hardness Behaviour of Austempered Gray Iron (AGI) Using Taguchi Method. International Journal of Recent Development in Engineering and Technology, 2014, 3(5): 10-16. [17] Krishankant, Jatin T, Mohit B, et al. Application of Taguchi Method for Optimizing Turning Process by the effects of Machining Parameters. International Journal of Engineering and Advanced Technology, 2012, 2(1): 263-274. [18] Amit A, Deepak Ue, Bhargav P, et al. Statistical and Regression Analysis of Vibration of Carbon Steel Cutting Tool for Turning of En24 Steel Using Design of Experiments. International Journal of Recent advances in Mechanical Engineering, 2014, 3(3): 137-151. [19] Mahesh N A and Shrikant V K. Optimization of die-casting process parameters using DOE. International Journal of Engineering Research and General Science, 2015, 3(2): 1314-1325. [20] Chauhan V and Jadoun R S. Parametric Optimization of Mig Welding For Stainless Steel (Ss-304) and Low Carbon SteelUsing Taguchi Design Method. International Journal of Recent Scientific Research, 2015, 6(2): 2662-2666. [21] Rama R S and Padmanabhan G. Application of Taguchi methods and ANOVA in optimization of process parameters for metal removal rate in electrochemical machining of Al/5%SiC composites. International Journal of Engineering Research and Applications, 2012, 2(3): 192-197. [22] Song Liu. Foundry and Development of Ductile Iron Crankshaft. The Open Mechanical Engineering Journal, 2015, 9: 791-796. [23] Thacker K, Joshi H, Patel N J, et al. Analysis and Optimization of parameters for casting ductile iron pipes. International Journal of Engineering Research and General Science, 2015, 3(3): 403-429. [24] Kompan C and Somkiat J. Optimization Parameters of Tool Life Model Using the Taguchi Approach and Response Surface Methodology. International Journal of Computer Science Issues, 2012, 9(1): 120-125. [25] Raykundaliya D P and Shanubhogue A. Comparison Study: Taguchi Methodology vis.-a-vis. Response Surface Methodology through a Case Study of Accelerated Failure in Spin-on-Filter. International Advanced Research Journal in Science, Engineering and Technology, 2015, 2(3): 1-5. [26] Phillip.J.Ross. Taguchi Techniques for Quality Engineering