TỐI ưu hóa đa mục TIÊU các THÔNG số CHẾ độ GIA CÔNG EDM điện cực ĐỊNH HÌNH

T ỐI ƯU HÓA ĐA MỤC TIÊU CÁC THÔNG SỐ CHẾ ĐỘ GIA CÔNG EDM ĐIỆN CỰC ĐỊNH HÌNH MULTIOBJECTIVE OPTIMIZATION OF DIE SINKING EDM MACHINING PARAMETERS Đặng Xuân Phương 1a , Vũ Ngọc Chiên 1b

T ỐI ƯU HÓA ĐA MỤC TIÊU CÁC THÔNG SỐ CHẾ ĐỘ GIA CÔNG EDM

ĐIỆN CỰC ĐỊNH HÌNH

MULTIOBJECTIVE OPTIMIZATION OF DIE SINKING EDM MACHINING

PARAMETERS

Đặng Xuân Phương 1a , Vũ Ngọc Chiên 1b

1Trường Đại học Nha Trang, Khánh Hòa, Việt Nam

a phuongdx@ntu.edu.vn , b mr.ngocchien@gmail.com

TÓM T ẮT

Nghiên cứu này xác định mối quan hệ giữa các thông số công nghệ như cường độ dòng điện, điện áp đánh lửa, thời gian mở và tắt xung điện đến các thông số đầu ra bao gồm năng

suất bóc tách vật liệu, độ nhám bề mặt gia công và độ mòn điện cực trong gia công EDM Nghiên cứu được tiến hành bằng thực nghiệm trên đối tượng nghiên cứu là thép làm khuôn P20 với điện cực bằng đồng đỏ trên máy TOPEDM CNC 430/X600 Phương pháp mặt đáp ứng bậc hai và mô hình Kriging được sử dụng để xây dựng mối quan hệ phi tuyến giữa các tham số gia công và các thông số đầu ra Để giải bài toán tối ưu đa mục tiêu, chúng tôi sử dụng thuật toán di truyền GA nhằm thu được giá trị tối ưu toàn cục Kết quả nghiên cứu cho thấy năng suất bóc kim loại và độ nhám bề mặt gia tăng lên rất nhiều khi tăng cường độ dòng điện Tuy nhiên, độ mòn điện cực có mối quan hệ phức tạp với cường độ dòng điện Tỉ lệ mòn điện

cực có giá trị bé nhất khi cường độ dòng điện ở mức trung bình Nghiên cứu này giúp cho người gia công có thể xác định được chế độ gia công hợp lý ứng với kỳ vọng về năng suất, độ nhám bề mặt hoặc độ mòn điện cực cho phép Ngoài ra, dự đoán được độ mòn điện cực có thể ứng dụng để chủ động bù trừ được sai số gia công do hiện tượng mòn điện cực dụng cụ

Từ khóa: gia công tia lửa điện (EDM), tối ưu hóa, quy hoạch thực nghiệm, thép P20

ABSTRACT

This research identifies the relationship between process parameters (discharge current, voltage, pulse-on time, and pulse-off time) and the outputs such as material removal rate, surface roughness, and electrode wear rate in electric discharge machining (EDM) The research was carried out by experiment on TOPEDM CNC 430/X600 machine with P20 steel (workpiece material) and copper (electrode material) Second order response surface methodology and Kriging model were adopted in order to render the nonlinear relationship between process parameters and outputs To obtain global optimum, we used genetic algorithm to solve the multiobjective problem The research result shows that the material removal rate increases sharply when increasing the discharge current However, the relationship between electrode wear rate and current is complicated Electrode wear rate reaches the minimum value when the current rate is on average value of its range This work helps the operator to identify suitable machining parameters regarding their expectation of productivity, surface roughness, or allowable electrode wear rate In addition, the prediction

of electrode wear rate can be used to compensate the machining error caused by tool wear

Keywords: electric discharge machining, optimization, design of experiment, P20 steel

1 M Ở ĐẦU

Gia công tia lửa điện (Electric Discharge Machining - EDM) là một phương pháp gia công phi truyền thống thông dụng trong đó quá trình bóc tách kim loại được thực hiện nhờ sự phóng điện và ăn mòn giữa điện cực dụng cụ và điện cực chi tiết cần gia công trong môi trường chất điện môi (dielectric fluid) EDM thường được ứng dụng để gia công các vật liệu

cứng khó cắt gọt, gia công khuôn mẫu, chế tạo một số chi tiết trong công nghiệp ô tô và hàng không Một trong những nhược điểm của gia công EDM là năng suất bóc kim loại (material removal rate - MRR) khá thấp và độ nhám bề mặt lớn Tăng cường độ dòng điện đánh lửa có

thể cải thiện MRR nhưng càng làm tăng độ nhám bề mặt (surface roughness - SR) và tỉ lệ mòn điện cực (electrode wear - EWR) Do vậy nghiên cứu về ảnh hưởng của các thông số công nghệ gia công đến MRR, SR và EWR được một số tác giả thực hiện với nhiều đối tượng

vật liệu như thép carbon dụng cụ hoặc thép carbon cao [1,2], siêu hợp kim nickel-chromium [3], thép carbon trung bình [4, 5], thép không gỉ [6] và nhiều vật liệu hợp kim khác [7, 8]

Trong công nghệ khuôn mẫu, thép P20 (tiêu chuẩn AISI) hoặc 2311 (theo tiêu chuẩn DIN) thường được sử dụng để chế tạo khuôn nhựa cao cấp hoặc khuôn đúc áp lực do tính năng gia công cơ và EDM tốt, dễ đánh bóng, độ cứng và độ thấm tôi lớn Tuy nhiên chưa có nhiều các nghiên cứu về đặc điểm gia công EDM của loại vật liệu này Joshi và Pande [9] nghiên cứu mô hình hóa và tối ưu hóa gia công EDM bằng phương pháp phần tử hữu hạn (FEM), trong đó lấy ví dụ là vật liệu P20 Tuy nhiên, phương pháp FEM luôn tồn tại sai số

mô hình hóa, sai số xấp xỉ, sai số tính toán và không thể hiện được các yếu tố ngẫu nhiên Dewangan và các cộng sự [10] nghiên cứu tính chất bề mặt (bao gồm lớp biến trắng, nứt tế vi

bề mặt và độ nhám) trong quá trình gia công EMD thép P20 bằng thực nghiệm Do vậy, phát triển nghiên cứu sự ảnh hưởng của các thông số công nghệ gia công như cường độ dòng điện, điện áp đánh lửa, thời gian tồn tại của xung điện đến nhiều thông số kết quả gia công như năng suất bóc tách kim loại, độ nhám bề mặt và độ mòn điện cực một cách khoa học và có hệ

thống là cần thiết

Hình 1: Quy trình nghiên c ứu

Nghiên cứu ảnh hưởng của các thông số công nghệ đến quá trình gia công của bất kỳ phương pháp gia công nào cũng đi đến mục đích là kiểm soát và tối ưu quá trình công nghệ gia công Tuy nhiên, đa số các nghiên cứu được đề cập ở trên chỉ dừng lại ở việc xây dựng các hàm hồi quy biểu diễn mối quan hệ giữa các thông số công nghệ và các thông số kết quả gia công [11, 12], hoặc chỉ tối ưu đơn mục tiêu đó là tối thiểu hóa độ nhám bề mặt [13] Một

số nghiên cứu khác giải bài toán tối ưu đa mục tiêu theo tổ hợp hai trong ba thông số kết quả gia công phổ biến là MRR và SR, hoặc MRR và EWR [14-16] Tuy nhiên nếu bỏ qua độ nhám bề mặt hoặc tỉ lệ mòn điện cực trong quá trình tối ưu sẽ không đánh giá được hết các

yếu tố chất lượng quan trọng của gia công EDM Một vài tác giả khác tối ưu hóa cả ba mục tiêu là max MRR, min SR và min EWR một cách đồng thời [8, 17] Tối ưu hóa đa mục tiêu

Quy hoạch thực nghiệm và

tiến hành các thí nghiệm

Nghiên cứu các tài liệu

có liên quan về EDM Xác định các thông số công nghệ gia công cơ bản

Lựa chọn và xây dựng

mô hình hồi quy

Kiểm tra sự phù hợp

của mô hình

Mô hình phù hợp?

Thay đổi loại mô hình

hoặc tăng số thí nghiệm

Có

giải kết quả

Đo đạc và tính toán các thông số

kết quả (thu thập số liệu)

Xây dựng và giải bài toán tối ưu

cùng một lúc là không thực tế vì các thông số đầu ra này xung đột lẫn nhau Hơn nữa, phương pháp luận về tối ưu hóa đa mục tiêu trong các nghiên cứu nói trên chưa được rõ ràng Để khắc

phục những tồn tại nói trên, nghiên cứu này trình bày một cách hệ thống phương pháp luận quy hoạch thực nghiệm, xây dựng mối quan hệ giữa các thông số công nghệ gia công EDM

và các thông số chất lượng gia công dựa trên thống kê, đánh giá sự phù hợp của mô hình hồi quy, xây dựng và giải bài toán tối ưu đa mục tiêu có ràng buộc dựa trên các thuật toán và công

cụ tiên tiến

2 PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Quy trình nghiên c ứu

Quy trình nghiên cứu được thể hiện trên hình 1 Các bước quan trọng trong quy trình nghiên cứu này là quy hoạch thực nghiệm, tổ chức thí nghiệm, xử lý số liệu, xây dựng mối quan hệ toán học và giải bài toán tối ưu Chi tiết về các bước chính trong quy trình nghiên cứu được trình bày ở mục 2.2 và 2.3

2.2 Phương pháp và thiết bị thí nghiệm

Nghiên cứu này sử dụng phương pháp thực nghiệm để thu thập số liệu Chúng tôi sử

dụng máy EDM điện cực định hình TOPEMD CNC430/X600 (75 Amp control box) tại phòng máy CNC Đại học Nha Trang (hình 2) Vật liệu gia công là thép làm khuôn chất lượng cao P20 dưới dạng tấm phẳng có chiều dày 15mm Thành phần hóa học của vật liệu P20 được cho ở

bảng 1 Điện cực làm bằng vật liệu đồng đỏ được tiện thành hình trụ có đường kính 12mm

Độ mòn điện cực được xác định gián tiếp thông qua phương pháp cân khối lượng bằng cách sử dụng cân điện tử PIONEER của hãng OHAUS với độ chính xác 0,1 mg (hình 3a) Độ nhám gia công được đo bằng máy đo độ nhám Mitutoyo SJ210 (hình 3b)

Bảng 1: Thành phần hóa học của thép P20

% khối lượng 0,35 0,3 0,95~1,1 0,03 0,03 1,8 0,25 0,5

Hình 2: Máy EDM điện cực định hình, điện cực đồng đỏ và phôi gia công

Hình 3: Cân điện tử Pioneer (a) và máy đo độ nhám Mitutoyo SJ210 (b)

Do hạn chế về thời gian và kinh phí thí nghiệm, mỗi thí nghiệm trong lô 27 thí nghiệm

chỉ được thực hiện một lần Trong thực tế gia công EDM, có nhiều phương pháp chuyển động điện cực khác nhau Tuy nhiên, trong phạm vi của nghiên cứu này, điện cực dụng cụ chỉ có duy nhất một chuyển động theo phương Z (phương pháp gia công lỗ) Chiều sâu của mỗi lỗ gia công là 2,5mm Thời gian gia công được xác định theo phương pháp bấm giờ Trong quá trình gia công cho cả loạt thí nghiệm, các thông số như độ nhấp lên xuống của điện cực, áp

lực phun chất điện môi được giữ không đổi

Kết quả gia công được quan tâm đó là năng suất bóc vật liệu MRR (mm3/phút) được tính bằng tỉ lệ giữa thể tích gia công và thời gian gia công Tỉ lệ mòn điện cực theo chiều dài điện cực (hay chiều sâu lỗ gia công) EWR được tính thông qua mối quan hệ hình học, thể tích

và khối lượng riêng bằng phương pháp cân điện cực trước và sau khi bị mòn Độ nhám bề mặt

SR được đo 5 lần (đánh giá bằng Ra) cho mỗi thí nghiệm, loại bỏ các giá trị bất thường và lấy trung bình cộng của các kết quả bình thường

2.3 Phương pháp quy hoạch thực nghiệm, xử lý số liệu và giải bài toán tối ưu

Để thu được lượng thông tin lớn nhất với số thí nghiệm nhỏ nhất có thể, nghiên cứu này

sử dụng mô hình quy hoạch thực nghiệm trực giao (orthogonal array) Số biến số thiết kế hay

số nhân tố bằng 4 thông qua nghiên cứu tài liệu và kinh nghiệm gia công thực tế trên máy EDM, bao gồm: cường độ dòng điện đánh lửa (Current), điện áp đánh lửa (Voltage), thời gian kéo dài xung (T_on), và thời gian tắt xung (T_off) Dòng điện có ảnh hưởng rõ rệt nên được chia thành 5 mức, các thông số công nghệ khác được chia thành 3 mức, trong đó mức trên được lấy với giá trị lân cận giá trị tối đa cho phép của máy, mức dưới được lấy gần với giá trị

tối thiểu, mức giữa được lấy gần hoặc bằng trung bình cộng của mức trên và dưới Ma trận

thực nghiệm L27 với 4 biến số được trình bày ở bảng 2

Hình 4: Ki ểm tra sự phù hợp của mô hình thông qua hệ số xác định R 2 : mô hình m ặt

đáp ứng đối với MRR và SR (a), mô hình Kriging đối với EWR (b).

Mô hình hồi quy ưu tiên được lựa chọn ban đầu là mô hình mặt đáp ứng bậc hai (Response Surface Methodology - SRM) Độ chính xác của mô hình hồi quy được đánh giá

bằng hệ số xác định R-squared, sai số trung bình và sai căn bậc hai trung bình Nếu mô hình SRM không phù hợp thì lựa chọn mô hình khác (ví dụ Radial basis function hoặc Kriging [18]) có mức độ phi tuyến cao hơn

Đối với phương pháp tối ưu hóa đa mục tiêu, chúng tôi sử dụng phương pháp NSGA-II (Nondominated Sorting Genetic Algorithm) [19] để đảm bảo thu được lời giải tối ưu toàn cục Tùy vào yêu cầu công nghệ gia công và quyết định của người kỹ sư công nghệ, số lượng hàm

mục tiêu chỉ nên gồm 2 hàm Các thông số chất lượng đầu ra khác nên được xem là các ràng

buộc (ví dụ độ nhám sau khi gia công hoặc độ mòn điện cực không được lớn hơn giá trị cho phép được xác định trước)

Để hỗ trợ cho việc xử lý số liệu, xây dựng mô hình hồi quy và giải bài toán tối ưu một cách tiện lợi, chúng tôi sử dụng phần mềm SIMULIA iSight-FD

R 2 =0.92 (a)

3 K ẾT QUẢ NGHIÊN CỨU

Kết quả thực nghiệm với 27 thí nghiệm theo phương pháp quy hoạch trực giao được trình bày một phần ở bảng 2 (do giới hạn số trang của bài báo) Dữ liệu này được sử dụng để xây dựng phương trình hồi quy Khi sử dụng mô hình mặt đáp ứng RSM bậc 2 Hệ số xác định R2 có kết quả như hình 4 Nếu các điểm dữ liệu nằm trùng với đường chéo thì không có sai số giữa giá trị quan sát (thu được từ thí nghiệm) và giá trị xấp xỉ (ước lượng bằng hồi quy) Năng suất bóc vật liệu MRR và độ nhám bề mặt SR có R2 lớn hơn 0,9 nên mô hình hồi quy có sai số xấp xỉ nhỏ, vì vậy mô hình RSM được sử dụng để mô tả mối quan hệ giữa các thông số công nghệ đầu vào và các thông số kết quả gia công Riêng đối tỉ lệ độ mòn điện cực, hệ số R2

=0.79 nên mô hình RSM không đủ độ chính xác Chúng tôi sử dụng mô hình Kriging để thay

thế Kết quả là R2đã tăng lên 0,92 Mô hình này là chấp nhận được khi ước lượng mối quan

hệ của độ mòn điện cực EWR với bốn thông số công nghệ gia công đã đề cập ở trên

Mối quan hệ thống kê giữa các thông số công nghệ và các thông số kết quả gia công đượcbiểu diễn bằng các phương trình toán học Phương trình hồi quy như sau:

MRR = -17.4 +5.4478 x 1 +1.4740 x 3 +0.7505 x 1 -0.4246 x 1 ×x 2 -0.2898x 1 ×x 3 -0.0716 x 1 ×x 4 +0.0296 x 2 ×x 4

SR = 1.93+ 1.4981 x 1 -0.1377 x 4 -0.0569 x 2 +0.0382 x 1 ×x 2 +0.0109 x 1 ×x 3 + 0.0088 x 1 ×x 4 +0.0112 x 2 ×x 4

B ảng 2: Một phần ma trận thực nghiệm và kết quả thí nghiệm

STT Current

(rate) Voltage (V)

T_ON (rate)

T_OFF (rate)

Wear (%)

MMR (mm3/ph)

Roughness

Ra, (µm)

Dạng toán học của mô hình Kriging mô tả EWR không trình bày trong bài báo này Minh họa đồ thị 3D về mối quan hệ của các thông số quan trọng như dòng điện, điện thế và

thời gian kép dài xung đối với MRR, SR, EWR thể hiện trên hình 5 Dựa vào dạng đồ thị biểu

thị sự ảnh hưởng của các biến số (thông số công nghệ gia công) đối với các yêu tố chất lượng đầu ra (hình 6), có thể nhận thấy rằng cường độ dòng điện có ảnh hưởng lớn nhất đến MRR,

SR và EWR Khi tăng cường độ dòng điện thì MRR tăng lên rõ rệt theo quan hệ phi tuyến Độ nhám bề mặt (SR) có xu hướng tăng tuyến tính khi tăng dòng điện Điều quan trọng là không

có cực trị đối với MRR và SR; tuy nhiên, có xuất hiện cực trị đối với độ mòn điện cực EWR khi thay đổi dòng điện Tại mức dòng điện trung bình, tỉ lệ mòn điện cực là bé nhất Điều này

có thể giải thích là ở mức dòng điện lớn, mặc dù thời gian gia công ngắn, nhưng hiện tượng

ăn mòn điện cực xảy ra dữ dội do sự bắn phá với cường độ lớn Ngược lại, khi dòng điện ở

mức khá thấp, mặc dù cường độ đánh lửa yếu, ăn mòn chậm, nhưng thời gian gia công rất dài

do năng lượng đánh lửa yếu, vì vậy lượng mòn tổng cộng tăng lên

Hình 5: Minh h ọa bằng đồ thị 3D dạng mặt đáp ứng của các thông số đầu ra ứng với các

bi ến số có ảnh hưởng quan trọng

Mức độ ảnh hưởng của điện thế đánh lửa, thời gian mở xung, thời gian tắt xung ảnh hưởng ít đối với MRR, EWR và SR Do vậy chúng không có mặt trong phương trình hồi quy

ở dưới dạng số hạng bậc nhất hoặc bậc hai mà chỉ có mặt ở các số hạng tương tác giữa các

biến Tuy nhiên mức độ ảnh hưởng của chúng rất ít do giá trị của các hệ số của các số hạng này khá nhỏ

Với các phương trình hồi quy thu được, quan hệ giữa các thông số công nghệ gia công bao gồm cường độ dòng điện, điện áp đánh lửa, thời gian mở xung và tắt xung đối với năng

suất bóc vật liệu, độ nhám bề mặt gia công và tỉ lệ mòn vật liệu hoàn toàn xác định Các phương trình này có thể dùng để dự báo được các thông số kết quả gia công khi cho trước các thông số công nghệ đầu vào Quá trình tối ưu hóa các thông số công nghệ cũng dựa vào các hàm số này để làm hàm mục tiêu hoặc hàm ràng buộc Trong công nghệ gia công EDM, điều mong muốn nhất là năng suất bóc kim loại phải cao nhất có thể, độ nhám bề mặt sau khi gia công và độ mòn điện cực là bé nhất Tuy nhiên nếu giải bài toán với đồng thời 3 mục tiêu như

vậy sẽ cho ra một kết quả không mong muốn Ví dụ đối với nghiên cứu này, nếu xét đồng thời

ba mục tiêu nói trên sẽ giải ra EWR = 0,78, MRR = 107,1 và SR = 23,8 Kết quả này không có

ý nghĩa thực tế vì độ nhám Ra = 23,8 µm là độ nhám rất thô, chỉ thích hợp cho gia công thô Tuy nhiên đã là gia công thô thì không cần quan tâm nhiều đến ảnh hưởng của mòn điện cực

Hình 6 H ệ số ảnh hưởng toàn cục của các biến số đến MRR, SR và EWR

Chúng tôi thấy rằng, thích hợp nhất đối với bài toán tối ưu hóa đa mục tiêu trong EDM là: hoặc tối đa MRR và tối thiểu EWR trong đó SR làm hàm ràng buộc, hoặc tối đa MRR và

tối thiểu SR trong đó EWR làm hàm ràng buộc Giá trị ràng buộc bao nhiêu là do người gia công quyết định căn cứ vào yêu cầu kỹ thuật và điều kiện cụ thể Sau đây là minh họa cho

một trường hợp như đã đề xuất Bài toán tối ưu được phát biểu như sau:

Max: f 1(X) = MRR

Min: f 2(X) = EWR

Sao cho:

4 ≤ X1 = Current ≤ 13 4 ≤ X2 = T_off ≤ 12 2 ≤ X3 = T_on ≤ 8

50 ≤ X4 = Voltage ≤ 70 SR ≤ 8

Hình 7 Minh họa lịch sử lặp tìm kiếm giá trị tối ưu

Sau khi giải bằng thuật toán NSGA-II sử dụng phần mềm iSight, lịch sử quá trình tìm

kiếm kết quả tối ưu được minh họa trên hình 7 Kết quả tối ưu như sau:

Current = 5.5 tương ứng với 19.3 (Amp) EWR = 0.61 %

Voltage = 53.9 (Volt)

Kết quả tối ưu được kiểm chứng bằng cách gia công thử trên máy với bốn thông số công nghệ thu được nói trên Kết quả gia công cho thấy EWR = 0,59, MRR = 10,8, SR = 8,3 tương ứng với sai số tương đối -3,2%, 4,8% và 5,0% Các sai số này là chấp nhận được trong

kỹ thuật cơ khí Điều này chứng tỏ mô hình hồi quy là phù hợp và kết quả tối ưu đáng tin cậy

4 KẾT LUẬN

Nghiên cứu này xác định mối quan hệ giữa các thông số công nghệ như cường độ dòng điện, điện áp đánh lửa, thời gian mở xung điện, thời gian ngắt xung điện đến năng suất bóc tách vật liệu, độ nhám bề mặt gia công và độ mòn điện cực khi gia công vật liệu thép P20

bằng điện cực đồng đỏ dựa trên mô hình mặt đáp ứng bậc hai và mô hình Kriging Ngoài ra, chúng tôi cũng đề xuất phương pháp giải bài toán tối ưu trong gia công EDM bằng thuật toán

di truyền GA nhằm thu được giá trị tối ưu toàn cục Kết quả nghiên cứu cho thấy năng suất bóc kim loại và độ nhám bề mặt tăng lên rất nhiều khi tăng cường độ dòng điện Không thấy

xuất hiện cực tiểu đối với năng suất bóc kim loại và độ nhám bề mặt Tuy nhiên đối với tỉ lệ mòn điện cực thì có xuất hiện cực tiểu Tỉ lệ mòn điện cực có giá trị bé nhất khi cường độ dòng điện ở mức trung bình Đây là một đặc tính có ý nghĩa thực tiễn khi lập và giải bài toán

tối ưu Các thông số công nghệ khác như điện áp, thời gian tắt và mở xung không có ảnh hưởng nhiều đến các thông số kết quả gia công so với dòng điện

Nghiên cứu này giúp cho người gia công có thể xác định được chế độ gia công hợp lý ứng với kỳ vọng về năng suất, độ nhám bề mặt hoặc độ mòn điện cực cho phép Bên cạnh đó,

việc dự đoán được độ mòn điện cực cũng giúp cho người vận hành máy chủ động bù trừ được sai số gia công do hiện tượng mòn điện cực Tuy nhiên, nghiên cứu này chỉ đúng cho vật liệu thép P20, điện cực đồng đỏ và máy EDM CNC cụ thể đã trình bày Do vậy nghiên cứu này mang tính chất tham khảo đối với các trường hợp cụ thể khác Hơn nữa, đặc điểm gia công

còn phù thuộc vào hình dáng và diện tích tiếp xúc giữa điện cực dụng cụ và điện cực chi tiết nên kết quả nghiên cứu này chưa thể khái quát hóa cho mọi trường hợp

Những hướng nghiên cứu tiếp tục cần được phát triển thêm là xét thêm yếu tố tổn hao năng lượng ở các chế độ gia công khác nhau Các yếu tố chất lượng đầu ra khác như độ cứng

tế vi và lớp biến trắng bề mặt cần được xét thêm cũng như nghiên cứu thêm ảnh hưởng của các thông số công nghệ gia công khác như diện tích và hình dáng bề mặt tiếp xúc, chế độ phun dung dịch điện môi… để có được bức tranh toàn diện hơn về gia công EDM

TÀI LI ỆU THAM KHẢO

[1] Vikas, A K Roy, and K Kumar, Effect and Optimization of Various Machine Process Parameters on the Surface Roughness in EDM for an EN41 Material Using

Grey-Taguchi Procedia Materials Science, vol 6, pp 383-390, 2014

[2] S P Sivapirakasam, J Mathew, and M Surianarayanan, Multi-attribute decision

making for green electrical discharge machining Expert Systems with Applications, vol

38, pp 8370-8374, 2011

[3] C P Mohanty, S S Mahapatra, and M R Singh, An Experimental Investigation of

Machinability of Inconel 718 in Electrical Discharge Machining Procedia Materials Science, vol 6, pp 605-611, 2014

[4] H Sánchez, M Estrems, and F Faura, Development of an inversion model for establishing EDM input parameters to satisfy material removal rate, electrode wear ratio

and surface roughness The International Journal of Advanced Manufacturing Technology, vol 57, pp 189-201, 2011/11/01 2011

[5] A A Khan, Electrode wear and material removal rate during EDM of aluminum and

mild steel using copper and brass electrodes The International Journal of Advanced Manufacturing Technology, vol 39, pp 482-487, 2008/11/01 2008

[6] T Rajmohan, R Prabhu, G S Rao, and K Palanikumar, Optimization of Machining

Parameters in Electrical Discharge Machining (EDM) of 304 Stainless Steel Procedia Engineering, vol 38, pp 1030-1036, 2012

[7] M Hourmand, S Farahany, A D Sarhan, and M Noordin, Investigating the electrical discharge machining (EDM) parameter effects on Al-Mg2Si metal matrix composite

(MMC) for high material removal rate (MRR) and less EWR–RSM approach The International Journal of Advanced Manufacturing Technology, vol 77, pp 831-838,

2015/03/01 2015

[8] S Gopalakannan, T Senthilvelan, and S Ranganathan, Modeling and Optimization of

EDM Process Parameters on Machining of Al 7075-B4C MMC Using RSM Procedia Engineering, vol 38, pp 685-690, 2012

[9] S N Joshi and S S Pande, Intelligent process modeling and optimization of die-sinking

electric discharge machining Applied Soft Computing, vol 11, pp 2743-2755, 2011

[10] S Dewangan, S Gangopadhyay, and C K Biswas, Study of surface integrity and dimensional accuracy in EDM using Fuzzy TOPSIS and sensitivity analysis

Measurement, vol 63, pp 364-376, 2015

[11] Vikas, Shashikant, A K Roy, and K Kumar, Effect and Optimization of Machine

Process Parameters on MRR for EN19 & EN41 Materials Using Taguchi Procedia Technology, vol 14, pp 204-210, 2014

[12] J D Marafona and A Araújo, Influence of workpiece hardness on EDM performance

International Journal of Machine Tools and Manufacture, vol 49, pp 744-748, 2009

[13] K M R G, R G, H R D, and S R M, Development of hybrid model and optimization

of surface roughness in electric discharge machining using artificial neural networks

and genetic algorithm Journal of Materials Processing Technology, vol 209, pp

1512-1520, 2009

[14] M Tiwari, K Mausam, K Sharma, and R P Singh, Investigate the Optimal Combination of Process Parameters for EDM by Using a Grey Relational Analysis

Procedia Materials Science, vol 5, pp 1736-1744, 2014

[15] R Rajesh and M D Anand, The Optimization of the Electro-Discharge Machining

Process using Response Surface Methodology and Genetic Algorithms Procedia Engineering, vol 38, pp 3941-3950, 2012

[16] U Aich and S Banerjee, Modeling of EDM responses by support vector machine

regression with parameters selected by particle swarm optimization Applied Mathematical Modelling, vol 38, pp 2800-2818, 2014

[17] P Balasubramanian and T Senthilvelan, Optimization of Machining Parameters in

EDM Process Using Cast and Sintered Copper Electrodes Procedia Materials Science,

vol 6, pp 1292-1302, 2014

[18] J.-P Costa, L Pronzato and E Thierry, A comparison between kriging and radial basis

function networks for nonlinear prediction, Proceedings of the IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing (NSIP'99), Antalya, Turkey, June

20-23, 1999

[19] N Srinivas and K Deb, Multiobjective Optimization Using Nondominated Sorting in

Genetic Algorithms Evolutionary Computation, vol 2, pp 221–248, 1994

THÔNG TIN VỀ TÁC GIẢ

1 Đặng Xuân Phương BM Chế tạo máy, Khoa Cơ khí – Trường ĐH Nha Trang

phuongdx@ntu.edu.vn 0905 185 469

2 Vũ Ngọc Chiên Trung tâm Thí nghiệm & Thực hành - Trường ĐH Nha Trang

mr.ngocchien@gmail.com 0983 825 420