Optimization of cutting parameters in machining process of shape memory alloys using genetic algorithm

Abstract

Şekil Hafızalı Alaşımlar (ŞHA), hafiflik ve dayanıklılık gibi benzersiz mekanik özelliklerine ek olarak titreşimleri, gürültüyü azaltabildiğinden ve hareketi algıladığından biyomedikal, havacılık ve havacılık mühendisliği bileşenleri oluşturmak için yaygın olarak kullanılmaktadır. Ayrıca, sıcaklık, gerilme vb. değişkenler ortadan kalktıktan sonra ilk şekli ve mekanik özellikleri hatırlayabilirler.Tornalama işlemi, ŞHA'lardan yapılmış bileşenleri üretmek için yaygın üretim yöntemlerinden biridir. Bu arada, ŞHA'lar, şekil hafızası, mekanik özellikleri, yüksek süneklik, düşük ısı iletkenlik katsayısı ve düşük elastikiyet modülü sayesinde işlenmesi zor malzemeler olarak kabul edilir. Şekil hafızalı alaşımlarının tüm bu dezavantajları, yüksek takım aşınması, düşük takım ömrü, yüksek kesme kuvvetleri, düşük talaş kırılma ve son üründe çapak oluşmasına neden olur. Bu nedenle, kesim işlemini kolaylaştırmak için işlem parametrelerinin optimize edilmesi bu üretim yönteminin uygulanabilir hale getirilmesi için gereklidir. Bu nedenle, bu tez çalışmasında, Ni-zengin yüksek sıcaklık şekilli hafıza alaşımlarının (NiTiHf) tornalama işleminde istenen çıktıları elde etmek için kesme parametrelerinin optimize edilmesine odaklanmıştır.Kesme hızı, ilerleme hızı ve kesme derinliği gibi kesme parametreleri, bu alaşımın talaşlı imalat ve tornalama işlemlerinin performans kriterleri üzerinde büyük etki yaratmaktadır. Bu parametreler maksimum takım ömrü ve minimum enerji tüketimi elde etmek için optimize edilmiştir. Karmaşık mühendislik problemini çözerek global optimum elde etmek için genetik algoritma kullanılmıştır.

Shape Memory Alloys (SMAs) are new kind of smart materials have been widely used to make components for biomedical, aeronautical and aerospace engineering because of their unique mechanical properties such as lightness and durability can absorb vibrations, reduce noise and sense motion. Also, they can remember first shape and mechanical properties after variables such as temperature, strain etc. are removed. Machining operation is one of the common manufacturing methods to fabricate components made of SMAs. In the meantime, SMAs are considered as difficult-to-machine materials owing to its shape memory, mechanical characteristics, high ductility, low thermal conductivity coefficient, low elasticity module. All these disadvantages of shape memory alloys cause high tool wear, low tool life, high cutting forces, low chip breakability, burr on final product. Optimizing the process parameters to ease cutting process is therefore required to make manufacturing method applicable. Thus, this thesis focused on optimizing cutting parameters to obtain desired outputs in turning process of Ni- rich high temperature shape memory alloys, NiTiHf. Cutting parameters such as cutting speed, feed rate and depth of cut have found a great effect on performance criteria of turning processes in machining process of the alloy. These parameters were globally optimized by utiling Genetic Algorithm to obtain maximum tool life and minimum energy consumption.