Optimization of Milling Parameters for Hybrid Sisal-Cotton Fiber Reinforced Polymer Composites Using Taguchi Method
本研究通过将田口实验设计与人工神经网络-遗传算法（ANN-GA）框架相结合，优化了混合剑麻-棉纤维增强环氧树脂复合材料的 CNC 端铣参数，确定了进给率和切削深度分别是影响材料去除率和表面粗糙度的主要因素，并在最优条件下实现了具有极低误差的高精度预测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代制造业中，人们正日益推动用更轻、更可持续的替代材料来取代沉重且高能耗的材料。其中一个充满前景的方向是天然纤维增强聚合物复合材料。这些材料是通过将棉或剑麻等植物纤维嵌入塑料树脂基体中而制成的。其结果是一种既坚固、轻便又可生物降解的物质，这使其成为汽车等行业中替代合成材料的极具吸引力的候选材料，因为在这些行业中，减轻重量可以提高燃油效率。然而，这些天然复合材料面临着一个独特的挑战：它们是不均匀的。与固体金属或均匀塑料不同，它们是不同纤维与树脂的混合物，这使得它们难以进行精密切割和成型。当机器尝试对这些材料进行铣削时，纤维的不均匀性往往会导致毛刺、表面粗糙或材料开裂等缺陷。为了有效地使用这些环保材料，工程师必须找到切割机的精确设置，以在最大限度减少这些缺陷的同时，实现生产速度的最大化。
来自几所埃塞俄比亚大学的研究小组致力于解决这一特定问题，他们专注于一种由剑麻和棉纤维与环氧树脂混合而成的混合复合材料。他们的目标是确定使用计算机控制的铣削工具加工这种材料的最佳方式。该过程始于原材料的准备。研究人员将天然剑麻纤维和棉纱用化学溶液进行处理，以清洁其表面并去除可能阻碍纤维与塑料树脂良好结合的蜡质涂层。随后，他们制作了多个不同版本的复合材料，改变了纤维的使用量以及纤维在塑料中的排列方式。一些样本具有高浓度的纤维且呈随机排列，而另一些则具有较低的浓度或不同的定向布局。
一旦复合材料片材固化并硬化，团队就对其进行了严格的物理测试，以了解其强度。他们通过拉伸样本来测试抗拉强度，通过挤压来测试压缩强度，通过弯曲来测试柔韧性，并通过撞击来观察其吸收冲击的能力。结果显示，具有最高纤维含量且呈短纤维随机排列的样本强度最高。它能在断裂前承受最大的力量，并在受到撞击时吸收最多的能量。这种特定的配置被证明是用于结构应用（如汽车车身面板）的最强健候选材料。
在确定了最强的材料后，研究人员将注意力转向了加工过程本身。他们需要找到三个机器设置的最佳组合：切削工具的旋转速度、工具在材料表面移动的速度以及工具切入表面的深度。为了高效地完成这项工作，他们采用了一种系统的实验方法，使他们能够在不运行每一种可能的变体的情况下测试许多组合。他们还采用了先进的计算机建模技术，利用人工智能来预测机器在不同条件下的表现。这使他们能够在进行实际切割之前模拟过程并优化选择。
分析表明，机器设置非常重要，但不同的设置控制着不同的结果。当目标是尽可能快地去除材料时，工具在表面移动的速度是最关键的因素。较快的移动速率会显著增加去除的材料量，而旋转工具的速度对这一特定结果的影响微乎其微。然而，当目标是获得光滑、抛光的表面时，切削深度成为了主导因素。较浅的切削产生了更光滑的表面效果，其次是旋转工具的速度。研究人员发现，要获得最光滑的表面，机器应该以较低的速度旋转，以中等的速度移动，并进行极浅的切削。
通过将物理实验与计算机预测相结合，该团队开发出了一种可靠的方法，用于规划如何加工这些天然纤维复合材料。他们的模型具有高度准确性，对表面光滑度的预测与实际结果的误差小于百分之二。这种精确度意味着制造商现在可以充满信心地规划他们的切割工艺，因为他们确切知道哪些设置能产生最佳结果，而无需在试错上浪费时间和材料。这项研究表明，只要方法得当，可持续的天然纤维复合材料就可以像传统材料一样进行精密且可靠的加工，从而为它们在高性能工业领域的广泛应用铺平道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。