必讀:鉸刀基礎(幾何+切削)參數

2021-02-20 CNCtool

在機加工中,常會遇到鉸孔加工。鉸孔是普遍應用的孔的精加工方法之一。因為鉸刀的齒數較多,導向性能好,心部的直徑大,刀具的剛性好,加工餘量較小,切屑的厚度較薄,可以獲得IT9~IT7級直徑尺寸精度內孔的表面粗糙度值可以控制在Ra1.6~0.8μm之間。不過,鉸孔對於糾正孔的位置誤差的能力很差,因此,孔的有關位置精度應由鉸孔前的預加工工序予以保證。在鉸削前孔的預加工,應先進行減少和消除位置誤差。

例如,對於同軸度和位置公差有較高要求的孔,首先使用中心鑽或點鑽加工,然後鑽孔,接著是粗鏜,最後才由鉸刀完成加工。另外鉸孔前,孔的表面粗糙度應小於Ra3.2μm。

鉸孔質量的好壞取決於鉸刀本身的精度和表面粗糙度。因此,鉸刀幾何參數的合理選擇,決定了被鉸孔加工質量的好壞。

1.鉸刀直徑

它是根據被加工孔的公稱尺寸和公差以及在鉸削過程中被加工孔的擴張量或收縮量決定的。鉸刀直徑尺寸的確定,一般鉸刀的直徑多採用經驗數值:

鉸刀直徑的基本尺寸=孔的基本尺寸;

上偏差=2/3被加工孔的直徑公差;

下偏差=1/3被加工孔的直徑公差;

例如:

鉸削φ20H7(+0.021/0)的孔,則選用的鉸刀直徑:

鉸刀基本尺寸=φ20 mm

上偏差=2/3×0.021 mm=0.014 1 mm

下偏差=1/3×0.021 mm=0.007 mm

所以選用的鉸刀直徑尺寸為φ20(+0.0141/+0.007)mm。

2.鉸刀的齒數確定

鉸刀是多刃刀具,鉸刀齒數取決於孔徑及加工精度,標準鉸刀有4~12齒。一般,鉸刀的齒數愈多,鉸孔的精度就越高,表面粗糙度值就越低,同時,分布在每個切削刃上的負荷也就小,有利於減少鉸刀的磨損。但刀具的製造刃磨較困難,在刀具直徑一定時,刀齒的強度會降低,容屑空間小,由此造成切屑堵塞和劃傷孔壁甚至蹦刃。特別是鉸深孔和切削餘量大時,因容屑槽被切屑堵塞,切削液流不進去,致使鉸刀和工件因產生熱量而變形,影響加工質量。齒數過少,則鉸削時的穩定性差,刀齒的切削負荷增大,且容易產生幾何形狀誤差。

鉸刀齒數可參照下表:


鉸刀的刀齒又分為直齒和螺旋齒兩種。螺旋齒鉸刀帶有左旋的螺旋槽,這種設計適合於加工通孔,在切削過程中左旋螺旋槽「迫使」切屑往孔底移動並進入空區。不過它不適合盲孔加工。

3.切削錐角

它主要是根據不同的加工材料和鉸刀的類型來加以選擇。

4.前角

由於鉸削的餘量較小,切削僅在刀尖處進行,與刀齒的前傾面很少接觸,故前角可以為零,但在鉸削塑性較大的材料時,為避免切屑粘滯在刀刃上,前角應取大一些。

5.后角

鉸刀的后角大,雖然可以提高切削刃的銳利程度,卻降低了刀齒強度,在切削過程中容易產生震動和磨損,鉸刀直徑也隨之減小,使鉸孔直徑達不到要求。

6.刃帶寬度

它主要是引導鉸刀方向和光整孔壁,同時也為了便於測量鉸刀的直徑。鉸刀的齒數越多刃帶的積累寬度也越大。因此有利於孔壁降低表面粗糙度值,鉸刀的直徑也不容易變小。但鉸刀刃帶較寬或積累寬度值過大時,會增加摩擦力矩和切削熱,對孔壁的擠壓比較嚴重,容易將孔徑漲大,一般選擇鉸刀的刃帶不超過0.25mm。

7.鉸刀的倒錐量

磨倒錐量是為了避免鉸刀校準部分後面摩擦孔壁。

對鉸孔而言,鉸削用量是很重要的。它對鉸削過程中的摩擦切削力,切削熱以及切屑瘤的形成和加工精度、表面粗糙度都有極大的影響,因此一定要合理加以選擇使用。

1.鉸削餘量

鉸削餘量是留作鉸削加工的切深的大小。通常要進行鉸孔餘量比擴孔或鏜孔的餘量要小。鉸削餘量太大會增大切削壓力而損壞鉸刀,導致加工表面粗糙度很差。餘量過大時可採取粗鉸和精鉸分開,以保證技術要求。鉸削餘量太小,鉸削時不易校正上道工序殘留的變形和去掉表面殘留的缺陷,使鉸孔質量達不到要求。

一般鉸削餘量為0.1~0.25mm,對於較大直徑的孔,餘量不能大於0.3mm。

有一種經驗建議留出鉸刀直徑1~3%大小的厚度作為鉸削餘量(直徑值),

如Φ20的鉸刀加Φ19.6左右的孔直徑比較合適:

20-(20×2/100)=19.6

對於硬材料和一些航空材料,鉸孔餘量通常取得更小。

2.機鉸的切削速度和進給量

鉸削速度和進給量要根據加工材料合理選擇。進給量不能選得太小,太小時切削厚度可能小於切削刀齒的小圓半徑。鉸削餘量、切削速度、進給量這三個要素是相互影響。當鉸削餘量較大時,切削速度,進給量就不能選得過高;反之,如果切削速度和進給量選取較小值時,則可適當提高切削速度。

鉸孔的進給量

鉸孔的進給率比鑽孔要大,通常為它的2~3倍。取較高進給率的目的是使鉸刀切削材料而不是摩擦材料。但鉸孔的粗糙度Ra值隨進給量的增加而增大。

進給量過小時,會導致刀具徑向摩擦力的增大,鉸刀會迅速磨損引起鉸刀顫動,使孔的表面變粗糙。

標準高速鋼鉸刀加工鋼件,要得到表面粗糙度Ra0.63,則進給量不能超過0.5mm/r,對於鑄鐵件,可增加至0.85mm/r。

鉸孔操作的主軸轉速

鉸削用量各要素對鉸孔的表面粗糙度均有影響,其中以鉸削速度影響最大,如用高速鋼鉸刀鉸孔,要獲得較好的粗糙度Ra0.63;m,對中碳鋼工件來說,鉸削速度不應超過5m/min,因為此時不易產生積屑瘤,且速度也不高;而鉸削鑄鐵時,因切屑斷為粒狀,不會形成積屑瘤,故速度可以提高到8~10m/min。

通常鉸孔的主軸轉速可選為同材料上鑽孔主軸轉速的2/3。例如,如果鑽孔主軸轉速為500r/min,那麼鉸孔主軸轉速定為它的2/3比較合理:

500×0.660=330r/min

當然,為了更好地控制鉸孔加工質量,除了鉸刀幾何參數及鉸削用量外,在鉸削過程中,採用合理的切削液來冷卻和排屑,也是必不可少的!

——以上文字源於《百度文庫》,小編綜合整理!

相關焦點

  • 鄒軍:數控加工中如何解決切削過程中的振刀
    在受到力的時候,如果刀具剛性不足,那麼刀體就會變形,會往力的方向產出偏差,有一個位移。刀具有了位移,這樣吃刀深度就變小了,力也就變小了,那麼產生的位移也就變小了。如果加工度長度有要求,那也要注意下面的問題。 1,鋼製刀杆伸出長度控制在3倍徑以內。2,重金屬刀杆伸出長度控制在,6倍徑以內。3,如果還要長儘可能使用減震刀杆。
  • 如何快速獲得模型幾何特徵參數?
    1.背景在熱流場仿真,針對模型我們需要它的幾何參數,例如模型長、寬、高,斷面積與體積等等。
  • 鉗工的基礎操作知識與技能,都是乾貨!
    2.切削性操作:有鏨削、鋸削、銼削、攻螺紋、套螺紋。鑽孔(擴孔、鉸孔)、刮削和研磨等多種操作。3.裝配性操作:即裝配,將零件或部件按圖樣技術要求組裝成機器的工藝過程。4.維修性操作:即維修,對在役機械、設備進行維修、檢查、修理的操作。
  • ​基於CUTPRO的7075-T6鋁合金高速銑削參數優化研究
    優化切削參數是提高鋁合金加工質量和效率的有效方法,但傳統優化方法忽略了加工系統穩定性的影響。隨著科學技術的進步,先進的測量設備和高性能計算機被應用到金屬切削加工領域的研究中。研究人員以切削力、切削溫度、表面粗糙度及加工變形等參數為優化目標,針對鋁合金高速銑削過程開展了科學研究,在切削參數優化方面取得了顯著的成就。
  • 《數字幾何處理》作業視頻上線B站,作業源碼上線GitHub
    中國科學技術大學傅孝明老師在2020年春季發布了數字幾何處理課程視頻。該課程介紹了計算機圖形學的一個子領域——數字幾何處理。
  • 重新認識《幾何原本》——致那些年我們白學的幾何(上)
    裡我詳細給大家介紹了光速不變的三種情況以及作為狹義相對論基礎的光速不變,在文章的前面花了很多筆墨介紹這些情況,到了後面才跟大家說「光速不變」的一個假設,我怕大家會輕視這句話的意思。其實理解這個非常的重要,因為這是一個大框架大前提,如果這個大前提沒有搞清楚,或者沒有達成共識,就很有可能出現一些你說你的我說我的這樣不在一個頻道上的對話。
  • ENVI學習總結(二)——基於自帶定位信息的幾何校正
    常說的幾何校正,就是要消除這些非系統性幾何形變。幾何校正,是利用地面控制點和幾何校正數學模型來矯正非系統性因素產生的誤差,將圖像投影到平面上使其符合地圖投影系統的過程。由於校正過程中會將坐標系統賦予圖像數據,所以此過程包括了地理編碼(geo-coding)。
  • Patran / Nastran 參數化建模~入門一
    在項目的初期階段,設計方案經常更改,模型中的參數也需要隨之調整。如果設計方僅僅調整材料屬性參數(如彈性模量、密度等),在模型中進行相應修改即可,但如果調整結構參數(如厚度、長度等),那可能需要對幾何模型重新劃分網格;另一方面,現在的方案設計階段通常會考慮多種方案,比如不同厚度、不同材料、不同剛度下的應力和變形大小等,如果按照傳統思路,一項一項的去修改模型參數,增加了工作量。
  • 應用衛星影像和多站點水力幾何特徵實現面向全球的河流徑流量測繪
    係數a,c,k和指數b,m,f是通過重複測量一條河流的單個斷面徑流量(單斷面水力幾何特徵或AHG),或者定期測量下遊不同斷面之間的徑流量之差(下遊水力幾何特徵,DHG)所得到的經驗值。我們發現係數a,c,k和指數b,m,f之間存在一定的相關性,從而對水力幾何學的認識更進了一步,而之前是一直被忽視的。
  • 工具機旋轉軸六自由度幾何誤差測量系統的
    完成實驗室建造的原型後,我們分析了工具機旋轉軸不同角度位置上不同幾何誤差對探測器的影響。擬議的測量系統同時測量了6個自由度的旋轉軸幾何誤差,並使用ISO 230-7的測量方法將實驗結果與兩個百分表的測量結果進行了比較。
  • 一種融合器官三維幾何信息的分割模型
    該模型主要由兩部分組成:用於器官分割的基礎模型(3D FCN、3DUnet、Vnet、DenseVoxNet等),以及由Graph-ResNetBlock級聯而成的shape-aware網絡(用於提升基礎網絡的分割效果)。該模型的主要算法流程如圖1所示。工作的創新點在於提出了一種有效的形狀感知網絡來學習器官的3D幾何信息,並將該網絡集成到主幹網絡中並完成多任務框架的共同訓練,以提升模型的分割效果。