Experimental investigation and modelling of residual stresses in face milling of Al-6061-T3 using neural network

• Published in: Eastern-European journal of enterprise technologies Vol. 6; no. 1 (120); pp. 16 - 24
• Main Authors: Mahdi, Basma L., Dalef, Huda H., Hussein, Hiba K.
• Format: Journal Article
• Language: English
• Published: 30.12.2022
• ISSN: 1729-3774; 1729-4061
• DOI: 10.15587/1729-4061.2022.267032

Milling process is a common machining operation that is used in the manufacturing of complex surfaces. Machining-induced residual stresses (RS) have a great impact on the performance of machined components and the surface quality in face milling operations with parameter cutting. The properties of engineering material as well as structural components, specifically fatigue life, deformation, impact resistance, corrosion resistance, and brittle fracture, can all be significantly influenced by residual stresses. Accordingly, controlling the distribution of residual stresses is indeed important to protect the piece and avoid failure. Most of the previous works inspected the material properties, tool parameters, or cutting parameters, but few of them provided the distribution of RS in a direct and singular way. This work focuses on studying and optimizing the effect of cutting speed, feed rate, and depth of cut for 6061-T3 aluminum alloy on the RS of the surface. The optimum values of geometry parameters have been found by using the L27 orthogonal array. Analysis and simulation of RS by using an artificial neural network (ANN) were carried out to predict the RS behavior due to changing machining process parameters. Using ANN to predict the behavior of RS due to changing machining process parameters is presented as a promising method. The milling process produces more RS at high cutting speed, roughly intermediate feed rate, and deeper cut, according to the results. The best residual stress obtained from ANN is ‒135.204 N/mm2 at a cutting depth of 5 mm, feed rate of 0.25 mm/rev and cutting speed of 1,000 rpm. ANN can be considered a powerful tool for estimating residual stress Процес фрезерування є поширеною операцією механічної обробки, яка використовується при виготовленні складних поверхонь. Залишкові напруження (RS), спричинені механічною обробкою, мають великий вплив на характеристики оброблюваних компонентів та якість поверхні при торцевому фрезеруванні з параметричним різанням. Залишкові напруження можуть істотно впливати на властивості конструкційних матеріалів, а також конструктивних компонентів, зокрема втомну довговічність, деформацію, удароміцність, корозійну стійкість і крихке руйнування. Відповідно, для захисту виробу та запобігання руйнуванню важливий контроль розподілу залишкових напружень. У більшості попередніх робіт вивчалися властивості матеріалу, параметри інструменту або параметри різання, але лише деякі з них забезпечували розподіл RS прямим і єдиним способом. Дана робота присвячена вивченню та оптимізації впливу швидкості, подачі та глибини різання для алюмінієвого сплаву 6061-T3 на RS поверхні. Звикористанням ортогональної решітки L27 знайдені оптимальні значення геометричних параметрів. За допомогою штучної нейронної мережі (ШНМ) проведено аналіз та моделювання RS для прогнозування поведінки RS при зміні параметрів процесу механічної обробки. Використання ШНМ для прогнозування поведінки RS при зміні параметрів процесу обробки представлено у якості перспективного методу. Згідно з результатами, в процесі фрезерування RS підвищуються при високій швидкості різання, приблизно проміжної швидкості подачі і більш глибокому різанні. Найвищі залишкові напруження, отримані за допомогою ШНМ, становлять ‒135,204 Н/мм2 при глибині різання 5 мм, подачі 0,25 мм/об і швидкості різання 1000 об/хв. ШНМ можна вважати потужним інструментом для оцінки залишкових напружень