Modélisation des phénomènes thermomécaniques à l’interface outil-pièce à l'aide de l’intelligence artificielle en fraisage

Abstract

L'augmentation de la température de coupe présente l'un des aspects importants pendant les opérations de fraisage, car elle influe directement sur les contraintes résiduelles, les dimensions des pièces usinées et la durée de vie des outils de coupe. Les paramètres de coupe, le matériau et la forme géométrique de l'outil représentent les facteurs importants qui affectent la température de coupe. Dans notre étude, une caméra infrarouge intelligente est utilisée pour mesurer la température dans la zone de coupe en fonction du temps. L'objectif est la prédiction des effets des parametres de coupe sur la température à l'interface outil- pièce pendant l'opération de fraisage de l'acier AISI 1060 avec des outils en carbure . Une comparaison entre deux méthodes expérimentales et l’intelligence artificielle a été effectuée. Les résultats ont montré que la température de coupe augmente lorsque les valeurs de la profondeur de passe, la vitesse de coupe, et le temps de coupe augmentent. L'avance par dent a moins d'influence, sauf pour les valeurs maximales de vitesse de coupe. Les valeurs prédites, avec ce modèle flou, sont en bon accord avec les valeurs expérimentales, avec un pourcentage d’erreur moyen de 2,242%, ce qui correspond à une précision de 97,757%, la technique de modélisation floue pourrait être une méthode efficace et économique pour la prédiction de la température de coupe durant les opérations de fraisage

he increase in cutting temperature presents one of the important aspects during milling operations, because it directly influences the residual stresses, the dimensions of the machined parts and the life of the cutting tools. The cutting parameters, the material and the geometric shape of the tool are the important factors that affect the cutting temperature. In our study, an intelligent infrared camera is used to measure the temperature in the cutting area as a function of time. The objective is the prediction of the effects of the cutting parameters on the temperature at the tool-part interface during the milling operation of AISI 1060 steel with carbide tools; A comparison between two experimental methods and artificial intelligence was made. The results showed that the cutting temperature increases when the values of depth of cut, cutting speed, and cutting time increase; the remaining feed per tooth is less influenced except for the maximum cutting speed values. The predicted values, with this fuzzy model, are in good agreement with the experimental values, with an average error percentage of 2.242%, which corresponds to an accuracy of 97.757%, The fuzzy modeling technique could be an effective and economical method for the prediction of cutting temperature during milling operations