本发明涉及一种用于研究零件抗疲劳性能的表面粗糙度分析方法。
背景技术：
表面粗糙度是指加工表面具有的较小间距和微小峰谷的不平度，是一项重要的表面完整性指标，其数值的大小直接反映了零件已加工表面的质量，同时由于表面粗糙度测量简单易行，因此在实际生产检验和技术研究中都有着广泛的应用。表面粗糙度的检测和分析通常采用算术平均偏差ra和轮廓最大高度rz两项指标，这两项指标都可以检验和评价零件的加工表面质量。同时，目前普遍通过分析ra和rz来研究加工表面粗糙度对试件疲劳性能的影响机理和规律。而采用上述方法研究表面粗糙度对试件疲劳性能的影响机理和规律，至少存在以下不足：
第一，单一的利用加工表面粗糙度指标的数值，即只通过分析ra和rz的数值，或者分析表面粗糙度曲线的趋势，均没有充分利用表面粗糙度曲线所包含的数据信息，不能反映出零件加工表面粗糙度曲线的整体轮廓信息，无法准确研究和评价加工表面粗糙度对零件抗疲劳性能的影响机理和规律。具体而言，实际上，试件加工表面的轮廓曲线一方面由加工方式、走刀方式、工艺参数、刀具几何结构等工艺条件影响，另一部分由刀具或磨具切削刃的微观不平度、颤振、积屑瘤、表面鳞刺等随机因素影响，这两部分对零件抗疲劳性能影响和作用的机理相差很大。
第二，在比较不同加工方式对零件抗疲劳性能的影响时，因为不同加工方式的加工机理不同，进而形成加工表面的微观形貌也相差很大，单一的通过分析ra或rz指标的数值无法得到准确的结论，进而无法对比不同加工方式形成的加工表面粗糙度对零件疲劳抗疲劳性能的影响程度。
技术实现要素：
(一)要解决的技术问题
本发明的目的在于提供一种用于研究零件抗疲劳性能的表面粗糙度分析方法，该方法解决无法准确研究和评价加工表面粗糙度对零件抗疲劳性能的影响机理和规律、以及无法对比不同加工方式形成的加工表面粗糙度对零件疲劳抗疲劳性能的影响程度的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
本发明提供一种用于研究零件抗疲劳性能的表面粗糙度分析方法，将零件加工表面的表面轮廓高度随测量长度变化的粗糙度轮廓曲线解耦为受工艺条件影响的理论曲线和受随机因素影响的随机曲线，其中，理论曲线和随机曲线均以时间为横坐标，以表面轮廓高度为纵坐标。
根据本发明，具体包括如下步骤：s1、获得零件加工表面的表面轮廓高度随测量长度变化的粗糙度轮廓曲线；s2、将粗糙度轮廓曲线的横坐标从长度量纲转换为时间量纲，形成粗糙度时域曲线；s3、根据工艺条件获得粗糙度时域曲线的解耦频率；s4、利用低通滤波分析方法和解耦频率，得到粗糙度时域曲线的低通波形曲线，低通波形曲线为理论曲线；s5、根据粗糙度时域曲线和低通波形曲线得到随机曲线。
根据本发明，在步骤s3中，解耦频率为粗糙度轮廓曲线的理论周期的倒数。
根据本发明，在步骤s2中，通过如下横坐标转换公式，将粗糙度轮廓曲线的横坐标从长度量纲转换为时间量纲：
在步骤s2和步骤s3中，将粗糙度轮廓曲线的横坐标从长度量纲转换为时间量纲所采用的速度的数值与计算理论周期所采用的速度的数值相同。
根据本发明，当加工方式为车削加工时，粗糙度轮廓曲线的理论周期为：
其中，t为理论周期，fn为每转进给量，v为速度。
根据本发明，当加工方式为铣削加工时，粗糙度轮廓曲线的理论周期为：
其中，t为理论周期，fz为每齿进给量，v为速度。
根据本发明，在步骤s5中，通过对粗糙度时域曲线与低通波形曲线进行布尔减运算，得到随机曲线。
根据本发明，在步骤s3中，工艺条件包括加工方式，加工方式为车削、铣削、刨削和磨削中的一种。
(三)有益效果
本发明的有益效果是：
本发明的用于研究零件抗疲劳性能的加工表面粗糙度解耦分析方法，将零件加工表面的粗糙度分解为工艺条件影响部分(由理论曲线表示)和随机因素影响部分(由随机曲线表示)，其中工艺条件影响部分的特点是曲线变化平滑且具有周期性，理论曲线上每个周期的高度与宽度的比值非常小，进而对零件抗疲劳性能的影响较小；而随机因素影响部分的特点是曲线变化剧烈且具有随机性，并利用随机因素影响部分中各数据点最大值与最小值的差(即表面轮廓高度)来评价零件加工表面粗糙度对其抗疲劳性能的影响。曲线上各个微小沟槽的高度与宽度的比值较大，容易在加工表面形成微观应力集中，零件抗疲劳性能的影响较大，即表面轮廓高度对零件的抗疲劳性能具有消极的影响，即随着表面轮廓高度数值的增大，零件的抗疲劳性能逐渐降低；而理论曲线中各数据点最大值与最小值的差(即表面轮廓高度)的数值大小对零件的抗疲劳性能的影响很小。由此，理论曲线和随机曲线对零件抗疲劳性能影响和作用的机理相差很大。上述方法因将工艺条件影响部分和随机因素影响部分分离，可以充分利用理论曲线和随机曲线的数据信息，直观地反映出表面粗糙度曲线的周期性和随机性，有助于分析表面粗糙度曲线的形成机理和不同因素对表面粗糙度曲线的影响机理，同时解耦分析得到的理论曲线和随机曲线对零件抗疲劳性能的影响有着显著的差异，因此能够更准确地研究不同工艺条件形成的零件表面粗糙度对其抗疲劳性能的影响机理和规律，也为评价零件加工表面的表面粗糙度对其抗疲劳性能的影响程度提供一个准确的量化指标。
附图说明
图1是具体实施方式提供的用于研究零件抗疲劳性能的表面粗糙度分析方法的流程示意图；
图2是图1中步骤s1获得的粗糙度轮廓曲线；
图3是图1中步骤s2获得的粗糙度时域曲线；
图4是图1中加工方式为车削加工时的表面轮廓形成过程示意图；
图5是图1中加工方式为铣削加工时的表面轮廓形成过程示意图；
图6是图1中步骤s4获得的理论曲线；
图7是图1中步骤s5获得的随机曲线；
图8是图7的放大图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
本实施例提供一种用于研究零件抗疲劳性能的表面粗糙度分析方法，该方法将零件加工表面的表面轮廓高度rz随测量长度变化的粗糙度轮廓曲线(即粗糙度轮廓曲线以测量长度为横坐标，以表面轮廓高度rz为纵坐标)解耦为受工艺条件影响的理论曲线和受随机因素影响的随机曲线，其中，理论曲线和随机曲线均以时间为横坐标，以表面轮廓高度为纵坐标。
如上，本实施例的用于研究零件抗疲劳性能的加工表面粗糙度解耦分析方法将零件加工表面的粗糙度分解为工艺条件影响部分(由理论曲线表示)和随机因素影响部分(由随机曲线表示)，其中工艺条件影响部分的特点是曲线变化平滑且具有周期性，理论曲线上每个周期的高度与宽度的比值非常小，进而对零件抗疲劳性能的影响较小；而随机因素影响部分的特点是曲线变化剧烈且具有随机性，并利用随机因素影响部分中各数据点最大值与最小值的差(即表面轮廓高度rz″)来评价零件加工表面粗糙度对其抗疲劳性能的影响。曲线上各个微小沟槽的高度与宽度的比值较大，容易在加工表面形成微观应力集中，对零件抗疲劳性能的影响较大，即rz″对零件的抗疲劳性能具有消极的影响，即随着rz″数值的增大，零件的抗疲劳性能逐渐降低；而理论曲线中各数据点最大值与最小值的差(即表面轮廓高度rz′)的数值大小对零件的抗疲劳性能的影响很小。由此，这理论曲线和随机曲线对零件抗疲劳性能影响和作用的机理相差很大。上述方法因将工艺条件影响部分和随机因素影响部分分离，可以充分利用理论曲线和随机曲线的数据信息，直观地反映出表面粗糙度曲线的周期性和随机性，有助于分析表面粗糙度曲线的形成机理和不同因素对表面粗糙度曲线的影响机理，同时解耦分析得到的理论曲线和随机曲线对零件抗疲劳性能的影响有着显著的差异，因此能够更准确地研究不同工艺条件(例如加工方式、加工参数、刀具或砂轮等因素)形成的零件表面粗糙度对其抗疲劳性能的影响机理和规律，也为评价零件加工表面的表面粗糙度对其抗疲劳性能的影响程度提供一个准确的量化指标。
具体地，通常情况下，表面粗糙度对零件疲劳性能的影响体现在工件表面。表面粗糙度是零件表面微观凹凸不平情况的一种量化指标，表面粗糙度数值越大，其表面越粗糙，凹谷和尖峰越多，而凹谷的出现会引起表面的微观应力集中现象，凹谷越窄，深度越大，所引起的微观应力集中现象越严重。这样，即使在零件受到较小的载荷情况下，在谷底附近也会产生较大的应力，使得整个零件的疲劳极限降低，故通常认为，零件表面粗糙度越大，其抗疲劳性能越差。但该种方法只适用于同种加工方式加工的零件的抗疲劳性能预测，在对比不同加工方式加工的零件时，即使表面粗糙度数值相同，由于其表面产生机理不同，其表面的凹谷尖峰的大小与分布情况也有很大差别，其引起的微观应力集中现象也大不相同，因此需要依靠本实施例的处理方法对不同加工方式加工的零件的粗糙度轮廓曲线进行处理得到随机曲线后，再比较随机曲线。
下面结合附图对本实施例作进一步的详细说明。
具体到本实施例中，参照图1，本实施例的表面粗糙度分析方法具体包括如下步骤：
s1：获得零件加工表面的表面轮廓高度随测量长度变化的粗糙度轮廓曲线(参照图2)。具体而言，采用现有方法测量零件加工表面的表面粗糙度，并采用现有方法绘制出零件加工表面的表面轮廓高度随测量长度变化的粗糙度轮廓曲线，即以测量长度l为横坐标，在本实施例中单位为mm；以表面轮廓高度rz为纵坐标，在本实施例中单位为μm。其中，图2中的横坐标n标识曲线选段在表面轮廓曲线上随机取点的位置。
s2：将步骤s1获得的粗糙度轮廓曲线的横坐标从长度量纲转换为时间量纲，进而实现粗糙度曲线的时域转换，形成粗糙度时域曲线(参照图3)，以时间t作为横坐标，单位为s；以表面轮廓高度rz作为纵坐标，单位为μm。具体地，在本实施例中，通过如下横坐标转换公式，将粗糙度轮廓曲线的横坐标从长度量纲转换为时间量纲：
其中，t为时间，单位为s；l为测量长度，单位为mm；v为速度，单位为mm/s，此处的速度v的数值可任取，但需保证与后续步骤s3中计算解耦频率时所取的速度v的数值相同。
s3：根据工艺条件获得粗糙度时域曲线的解耦频率，该解耦频率为粗糙度轮廓曲线的理论周期的倒数。其中，工艺条件包括但不限于加工方式、走刀方式、工艺参数和刀具(包括砂轮等可以用于切削的工具)几何结构中的一项或多项，主要为影响粗糙度轮廓曲线的理论周期的参数。其中的加工方式为车削、铣削、刨削和磨削等传统的以及超声辅助的切削方式中的任意一种。
下面以车削和铣削加工方式为例，详细说明解耦频率的计算过程。
对于车削加工，刀具的运动轨迹如图4所示，其中，rε表示刀具的刀尖圆弧半径；fn表示每转进给量；rz表示表面轮廓高度；曲线s1表示车削加工的已加工表面轮廓，是由工件的回转运动和刀具的轴向进给运动复合而成的。根据车削加工中刀具的运动规律：工件每回转一周，刀具沿工件轴向进给一定距离(即一个每转进给量)，因此车削表面的理论轮廓(曲线s1)是以每转进给量fn为周期的几何曲线。
对于铣削加工，以四齿铣刀的侧铣加工为例，其刀具的运动轨迹如图5所示。其中，a、b、c、d分别表示铣刀在第一位置时的四个齿的尖端，o表示铣刀在该位置的圆心；a’、b’、c’、d’分别表示铣刀在第二位置时的四个齿的尖端，o’表示铣刀在该位置的圆心；a”、b”、c”、d”分别表示铣刀在第三位置时的四个齿的尖端，o”表示铣刀在该位置的圆心；r表示铣刀直径，fz表示每齿进给量，vf表示进给速度，n表示刀具转速，rz表示表面轮廓高度，θ表示刀具沿旋转中心转过的角度，曲线s2(al1b’l2c”)表示铣削加工的已加工表面轮廓，其中l1和l2表示表面轮廓上的两个高点，铣削加工的表面轮廓曲线s2是由铣刀的回转运动和直线进给运动复合而成的。曲线al1b’是由刀齿a和刀齿b切削形成的，在加工过程中，刀具中心由o运动到o’，刀齿a运动到a’，刀齿b运动到b’，形成了工件表面轮廓曲线的一个周期。此时，刀具绕几何中心转过的角度θ＝360°/z＝90°，并同时沿进给方向运动了一个每齿进给量fz。由此可得，工件表面轮廓曲线单个周期的长度(线段ab’)与刀具每齿进给量fz相等，即铣削表面的几何轮廓(即曲线s2)是以每转进给量fz为周期的几何曲线。
综合以上结果可得：
当加工方式为车削加工时，粗糙度轮廓曲线的理论周期为：
其中，t为理论周期，fn为每转进给量，v为速度。
相应地，当加工方式为车削加工时，解耦频率f为：
当加工方式为铣削加工时，粗糙度轮廓曲线的理论周期为：
其中，t为理论周期，fz为每齿进给量，v为速度。
相应地，当加工方式为铣削加工时，解耦频率f为：
s4：利用低通滤波分析方法和步骤s3获得的解耦频率，得到粗糙度时域曲线的低通波形曲线，低通波形曲线为理论曲线(参照图6)，以时间t作为横坐标，单位为s；以表面轮廓高度rz’作为纵坐标，单位为μm。
s5：根据步骤s2得到的粗糙度时域曲线和步骤s4得到的低通波形曲线得到随机曲线，具体在本实施例中，通过对粗糙度时域曲线与低通波形曲线进行布尔减运算，得到随机曲线(参见图7)，以时间t作为横坐标，单位为s；以表面粗糙度rz”作为纵坐标，单位为μm。至此完成表面粗糙度曲线的解耦分析过程。图8为图7的放大图，为表明随机粗糙度曲线与理论粗糙度曲线在曲线特征上的差异，特意进行了放大观察。其中，图6、图7和图8中的横坐标n标识曲线选段在表面轮廓曲线上随机取点的位置。
综上，在本实施例中，是通过低通滤波法和布尔运算对测量得到的表面粗糙度轮廓曲线进行解耦分析，分解为工艺条件影响部分和随机因素影响部分。
此外，刨削和平面磨削加工的材料去除方式与车削加工的材料去除方式类似。刨削依靠刀具在工件表面的平行移动来去除材料，平面磨削依靠砂轮的转动及其在零件表面的往复运动来去除材料。刨刀及砂轮在完成一次往复运动之后，会沿垂直往复方向运动一段距离，再进行第二次走刀加工，这段距离为进给量，用f表示。因此其理论轮廓是以进给量f为周期的几何曲线，相应的解耦频率f为：
其中，v为速度。
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。