外文文獻翻譯--使用田口方法和響應(yīng)面方法研究球墨鑄鐵鑄造工藝參數(shù)【中文4590字】【PDF+中文WORD】,中文4590字,PDF+中文WORD,外文,文獻,翻譯,使用,方法,響應(yīng),研究,球墨鑄鐵,鑄造,工藝,參數(shù),中文,4590,PDF,WORD 附錄A：英文原文 附錄B：原文翻譯： 使用田口方法和響應(yīng)面方法研究球墨鑄鐵鑄造工藝參數(shù) 摘要：為了找到球墨鑄鐵中各種鑄造參數(shù)的優(yōu)化水平，從中型鑄造廠觀察到各種鑄造缺陷和廢品率。 不同的控制值選擇澆注溫度，孕育量，含碳量，水分含量，生坯壓縮強度，滲透性和模具硬度等鑄造參數(shù)。 使用1噸容量的無芯中頻感應(yīng)爐生產(chǎn)三種不同的金屬熔體，其含量為0.4重量％，0.6重量％和0.8重量％接種量（Fe-Si-Mg合金和后接種劑）。 選擇具有3級設(shè)置的L-27正交用于分析。 觀察每次運行的反應(yīng)。 每次運行的信噪比（S / N）使用Taguchi方法計算，并且基于S / N比識別不同鑄造參數(shù)的優(yōu)化水平。 對鑄件接受率的方差分析得出結(jié)論：接種是影響鑄件質(zhì)量的最重要因素，貢獻率為44％; 孕育量的增加導致球墨鑄鐵鑄件合格率的顯著提高。 實驗結(jié)果表明，在優(yōu)化參數(shù)下，廢品率從16.98％降至6.07％。 關(guān)鍵詞：優(yōu)化水平; 鑄造參數(shù); 信噪比; 田口方法; 方差分析; “F'測試 中圖分類號：TG143.文件代碼：A文章編號：1672-6421（2016）05-352-09 一種有缺陷的鑄造會導致生產(chǎn)力的巨大損失。 球墨鑄鐵具有優(yōu)異的性能 力學性能如高強度，良好的延展性，良好的耐磨性和良好的疲勞性能。 球墨鑄鐵的性能取決于化學和熱處理。 由于高強度重量比和性能范圍，許多鋼部件被球墨鑄鐵取代。 由于球狀石墨的存在，球墨鑄鐵提供了強度和延展性的良好組合。 各種合金的改性是眾所周知的通過改變微觀結(jié)構(gòu)改善性能的方法。 元素含量的微小變化導致鑄鐵機械性能的統(tǒng)計學顯著增加或減少。 正確選擇工藝參數(shù)是必要的，以獲得高質(zhì)量并隨后提高工藝生產(chǎn)力。 碳當量值提高了熔融金屬的流動性，并且對鑄造產(chǎn)品的機械性能有很大影響。 通過優(yōu)化可控工藝參數(shù)，如模具硬度，含水量，滲透率和生坯壓縮強度，可以實現(xiàn)優(yōu)質(zhì)鑄造。 方差分析（ANOVA）結(jié)果表明選定的工藝參數(shù)顯著影響鑄造缺陷和排除率。 使用正交陣列來實現(xiàn)田口方法。 Taguchi方法強調(diào)使用信噪比（S / N）研究響應(yīng)變化的重要性，從而使由于不可控參數(shù)導致的質(zhì)量特性變化最小化。 使用Minitab軟件計算S / N比值。 工藝參數(shù)的設(shè)置通過使用田口的實驗設(shè)計方法確定。 為了優(yōu)化在鑄鐵廠生產(chǎn)的鑄件的砂鑄工藝參數(shù)，使用Taguchi方法來最大化S / N比并使噪音因子最小化。 響應(yīng)面方法預測對于顯著因素有更好的最佳響應(yīng)。 在這項研究中，容易發(fā)生的各種缺陷,在中等規(guī)模鑄造廠中觀察到球墨鑄鐵鑄件。 這些實驗中產(chǎn)生的大部分組分的重量范圍為500克至2千克，厚度為5毫米，10毫米，15毫米。 這些部件廣泛用于法蘭和聯(lián)軸器等汽車應(yīng)用，表1列出了一批不同部件的報廢情況。 為了降低廢品率，各種鑄造參數(shù)如澆注溫度，孕育量，含碳量，水分含量，生坯壓縮強度，選擇滲透性和硬度進行研究。 最終使用田口方法選擇不同工藝參數(shù)的最佳選擇。 表1：鑄造廠中鑄造缺陷的歷史 1實驗程序 1.1材料的化學分析 由1％容量的無芯中頻感應(yīng)爐熔化由12％-15％生鐵，25％-30％鑄造回收物和剩余廢鋼組成的熔體裝料。 通過光譜儀分析測試原材料的化學成分，并列于表2中。將熔融金屬在含有20-25mm尺寸的Fe-Si-Mg合金的預熱的鋼包中輕敲，底部覆蓋有廢鋼。 熔融金屬的出鋼溫度分別為1,300℃，1,350℃和1,400℃。 然后將接種物加入基礎(chǔ)熔體中，同時直接倒入物流中以適當混合。 大小為4至8毫米的孕育劑被添加到熔融金屬流中以易于溶解，并且應(yīng)該無塵以避免由于氧化或熱氣流造成的損失。 接種量為Fe-Si-Mg合金和后接種物的總量，其中Fe-Si-Mg合金約為90wt。％，后接種物為10wt。％。 根據(jù)這個比例，加入不同比例的接種物，基礎(chǔ)金屬為1000公斤。 表3和表4列出了Fe-Si-Mg合金和后接種物的化學成分，以及含有0.4wt。％，0.6wt。％和0.8wt。％接種 表3：Fe-Si-Mg合金和后接種物的化學組成（重量％） 表4：基質(zhì)和0.4％，0.6％和0.8％接種金屬的化學組成（重量％） 顯微組織觀察和力學性能測試 為了觀察顯微組織和測試機械性能，制備厚度分別為5mm，10mm和15mm的50mm（長度）×25mm（寬度）的樣品，對于0.4％，0.6％和0.8％接種的金屬分別。 在顯微組織分析之前，使用不同等級的金剛砂紙對試樣進行良好拋光，然后用布拋光 。鉆石膏。 拋光后，用2％硝酸酒精溶液（2％濃硝酸和98ml甲醇）對樣品進行蝕刻。 進行布氏硬度測試。 使用系統(tǒng)集成金相圖像分析儀觀察樣品的微觀結(jié)構(gòu)。 測試結(jié)果示于表5中。可以看出，球化度為87％至97％，布氏硬度（BH）為185至207，表明在這些實驗中產(chǎn)生的所有組分具有良好的微觀結(jié)構(gòu)和機械性能屬性。 表5：試樣的球化度和布氏硬度（BH） 1.3 L-27正交系的實驗設(shè)計 設(shè)計了L-27正交系的實驗，制備了不同組的模具。 每個模具箱可以生產(chǎn)四個組件。 第一套模具箱具有含水量3％，生坯壓縮強度1000gm?cm\，滲透率160和模具硬度 70.第二組模箱具有水分含量為3.6％，生壓強度為1,150克?厘米\，滲透率為175，模具硬度為80的特性。第三組模箱具有含水率4.2％生坯壓縮強度為1300克?厘米\，滲透率為190，模具硬度為90.每種接種金屬共制備45個模具箱，并且在L-27正交陣列中每次運行，分配15個模具箱。 最初，在1400℃下澆注熔體，并且為每組澆注15個模具箱，總共澆注45個模具箱。 然后在1350℃和1300℃下澆鑄熔體，每套15個模具箱也澆鑄熔體。 對于含有0.4％，0.6％和0.8％孕育劑的金屬重復相同的程序。 對于每次運行，生產(chǎn)了60個組件并分析了缺陷。 1.4 田口的做法 實驗的田口設(shè)計是廣泛使用的技術(shù)之一。 Taguchi方法通過一個強大的設(shè)計來減少過程中的變化實驗。 該方法的總體目標是以低成本生產(chǎn)高質(zhì)量的產(chǎn)品。 田口的方法被用于優(yōu)化球墨鑄鐵的工藝參數(shù)。 實驗設(shè)計（DOE）進行如下： ? 選擇適當?shù)捻憫?yīng)（輸出變量）。 ? 選擇適當?shù)囊蛩兀ㄝ斎胱兞浚? ? 設(shè)置適當?shù)囊蜃臃秶蚣墑e。 ? 為實驗創(chuàng)建文檔。 ? 管理發(fā)生的實驗。 ? 報告和呈現(xiàn)結(jié)果（ANOVA）。 美國能源部根據(jù)七個鑄造參數(shù)分別選擇三個等級進行選擇。 應(yīng)用L-27正交陣列，其由3列和27行組成，這意味著進行了27次實驗。 實驗中的過程參數(shù)及其可行范圍從研究中可用的數(shù)據(jù)中選擇[2,6,7]。 表2給出了選定的工藝參數(shù)及其水平。本研究選定的鑄造參數(shù)為：澆注溫度，接種量，碳當量，含水量，生坯壓縮強度，滲透率和模具硬度。 表6顯示了鑄造過程輸入變量和實驗設(shè)計水平。 使用統(tǒng)計軟件“MINITAB 17”將田口方法應(yīng)用于實驗數(shù)據(jù)。 1.5 信噪比計算 S / N比率是使用田口的方法獲得的。 '信號'是理想的值（平均值），'噪音'是不理想的值（標準偏差）。 因此，S / N比表示性能特征中存在的變化量。 根據(jù)性征的目標，可以有各種類型的S / N比。 在本研究中，“S / N比= -10×Log10（sum（1 / Y） n）”是 用于優(yōu)化工藝參數(shù)。 'Y'是答案，'n'是每次試驗的次數(shù)。 在這個實驗中，每次運行n = 1。 表7顯示了每次運行的不同信號（澆注溫度，接種量，碳當量，含濕量，生坯壓縮強度，滲透率，模具硬度），噪音或響應(yīng)（認可百分比）和S / N比的正交陣列。 表7：L-27正交系- 信噪比  2 計算示例 運行：1 Y = 91.67，n = 1 S / N比= -10×Log10（和（1 / 91.67\）/ 1）= 39.24圖1顯示了不同S / N比。 越大越好。 表8顯示了S / N比率的響應(yīng)表。 根據(jù)表8選擇不同參數(shù)的最佳值。 3 結(jié)果與討論 根據(jù)圖1和表8，獲得了不同鑄造工藝參數(shù)的最佳水平，如表9所示。 澆注溫度 接種 碳 濕氣 當量 內(nèi)容 GCS 滲透性 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 圖1：S / N比的主效應(yīng)圖（GCS - 綠色壓縮強度） 表8：S / N比率的響應(yīng)表 25 表9：過程參數(shù)的最佳級別 表10顯示了在最佳條件下由于鑄造缺陷而導致的部件損壞。 清楚地表明，拒絕率從16.98％（表1）顯著降低到6.07％。 圖2顯示了優(yōu)化前后各種缺陷的比較。 它清楚地表明，優(yōu)化后所有缺陷都大大減少了。 方差分析（ANOVA） ANOVA用于估計各種工藝參數(shù)對選定性能特征的百分比貢獻。 這給出了關(guān)于每個受控參數(shù)對感興趣的質(zhì)量特性的影響有多重要的信息。 結(jié)果的總變化是由于各種受控因素引起的變化總和 表10：優(yōu)化后由于鑄造缺陷引起的部件剔除 他們的相互作用和由于實驗錯誤。 對原始數(shù)據(jù)和S / N數(shù)據(jù)進行方差分析以確定重要參數(shù)并量化它們對性能特征的影響。 基于原始數(shù)據(jù)的方差分析確定了影響平均響應(yīng)的因素，而不是減少變化。 然而，基于信噪比的方差分析考慮了這兩個方面。 表11：平均值的方差分析 使用統(tǒng)計軟件Minitab 17.表11顯示接種是具有33.43的F比率和貢獻43.75％的最重要因素; 澆注溫度是具有0.49的F比率和貢獻0.64％的最不重要的因素。 圖3顯示了基于ANO VA的不同工藝參數(shù)的貢獻百分比。 它表明接種率貢獻最大的百分比。 3.2 使用響應(yīng)面方法研究其他參數(shù)的接種 使用上述田口方法進行的分析僅對影響鑄件接受率的主要因素進行分析，而沒有考慮因素之間的相關(guān)性。 因此，使用響應(yīng)面方法來進行研究以分析因素之間的相關(guān)性。 在田口分析中，發(fā)現(xiàn)接種是最重要的因素。 因此，輪廓 根據(jù)驗收百分比，接種情況和使用Minitab17軟件的其他因素生成地塊和地表圖。 在X軸處采取接種水平，在Y軸處采取其他因素。 使用等高線圖和曲線圖顯示基于批準百分比的不同反應(yīng)。 圖4至圖9表明，接種量和參數(shù)如澆注溫度，碳當量，水分含量，生坯壓縮強度，滲透性和模具硬度的增加導致鑄件的合格率增加。 4 結(jié)論 從所進行的工作得出的結(jié)論如下： (1) 基于使用Taguchi方法的27次運行發(fā)現(xiàn)了最佳工藝參數(shù)：澆注溫度1350oC，接種量0.8％，碳當量4.81％，水分 (a) (b) 圖4：鑄造合格率與澆注溫度和接種的輪廓圖（a）和表面圖（b） (a) (b) 圖5：鑄造合格率與碳當量（a）和接種量（b）的輪廓圖（a）和曲面圖（b） (a) (b) 圖6：鑄造合格率與含水量和接種量的等高線圖（a）和表面圖（b） (a) (b) 圖7：鑄造接受率與GCS和接種的等高線圖（a）和表面圖（b） 圖8：鑄造接受率與滲透率和接種量的等高線圖（a）和表面圖（b） (a) (b) 圖9：鑄造接受率與模具硬度和接種的輪廓圖（a）和表面圖（b） 含量3％，抗壓強度為1300 gm·cm\，滲透率為175，模具布氏硬度為90.優(yōu)化后，廢品率從16.98％降至6.07％。接受率的方差分析得出結(jié)論，接種是影響鑄件質(zhì)量的最重要參數(shù)，貢獻率為44％輪廓和表面圖顯示接種量的增加導致球墨鑄鐵鑄件接受率的顯著提高。 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