TiAlSiN涂层工具在高速铣削钛合金时的磨损行为仿真与预测

《Journal of Materials Research and Technology》：Wear Behavior Simulation and Prediction of TiAlSiN-Coated Tools for High-Speed Milling of Titanium Alloys

　　卡徐月|志家宇|郝拓刘|志鹏江|尊彦马|德生胡|管辉人|史蒂文·Y·梁
中国哈尔滨市哈尔滨科技大学，教育部先进制造与智能技术重点实验室，150080

**摘要**
涂层工具在高速切削条件下表现出优异的耐磨性，这归功于其显著提高的硬度、降低的摩擦系数和低热导率，因此在航空航天、能源设备和其他高端制造领域得到广泛应用。特别是在涉及高速度和高温度的极端界面条件下，工具和工件在界面处承受更严重的机械和热负荷，导致接触区域的复杂性急剧增加。这使得刀具磨损成为一个高度时间变化和非线性的特性，使得准确的磨损预测变得相当具有挑战性。为了解决这个问题，本文提出并建立了一种基于磨损建模和有限元仿真数据迭代相结合的刀具磨损预测方法。通过将经典的Usui磨损速率模型与刀具几何特征的影响结合起来，开发了一种用于测量刀刃磨损宽度的模型。为了进一步模拟磨损过程，从切削仿真中提取了工具和工件之间稳定接触区域的应力和温度分布。根据建立的磨损速率模型计算出刀刃磨损量，并据此迭代更新刀具的几何轮廓。累积的磨损数据被反馈到后续的切削仿真中，形成了一个包含切削仿真、磨损计算和几何更新的闭环分析系统。这使得能够对刀具形态随时间的变化进行机理分析。此外，将模拟得到的刀具磨损结果与实验数据进行了比较，发现该模型的预测误差控制在17%以内。

**1. 引言**
钛合金在现代工程领域中具有战略重要性，尤其是在航空航天和国防领域，这主要归因于它们较高的强度重量比、内在的耐腐蚀性以及在低温条件下的持续机械性能[1][2]。由于钛合金的低热导率、低弹性模量和显著的化学反应性，它们在制造界通常被归类为难加工材料[3][4][5]。在实际的切削操作中，钛合金面临一系列相互关联的困难：切削工具受到较大的机械载荷、工具与工件界面处明显的热累积以及刀具磨损加速。在机械切削过程中，刀具磨损与刀具寿命密切相关，是决定其使用寿命的关键因素。因此，进一步研究钛合金铣削过程中的刀具磨损是非常必要的。

从金属切削的角度来看，刀具磨损的研究主要采用磨损机理分析[6]、有限元仿真[7]和机器学习[8]等方法。在机理方面，Kannatey-Asibu等人[9]推导出了金属切削的扩散磨损方程，并建立了用于刀具刀刃的扩散磨损模型。Choudhury等人[10]提出了一个将切削参数作为变量的指数磨损模型。研究结果表明，切削速度和扩散系数对刀具磨损的影响最大。Luo等人[11]结合切削力和温度模型与经验函数，实现了硬质合金刀片刀刃磨损率的定量估计。Sun等人[12]基于热影响层剥落机制建立了钛合金切削过程中的刀具磨损模型。在有限元分析中，Yoon等人[13]使用有限元软件，结合温度依赖的磨损模型和Usui磨损模型，模拟了正交切削中的刀具磨损演变。Binder等人[14]通过基于Archard磨损速率方程的二次开发实现了车削刀具磨损的有限元预测。Mohammad等人[15]利用Deform二次开发，分析了振动和旋转对超声辅助旋转切削中刀具磨损的影响，并发现这种技术显著提高了表面质量并降低了切削力。Nooraie等人[16]将Usui磨损模型与有限元方法结合，提出了一种具有更高预测准确性的可变倾角磨损模型。在机器学习方面，Yue等人[17]使用物理模型模拟切削力数据，通过粒子滤波算法更新物理模型参数，最终利用自回归模型预测了刀具的剩余使用寿命。Zhang等人[18]提出了一种基于高斯过程潜力模型的刀具磨损预测方法，将物理模型的未知参数纳入高斯过程的协方差函数中，并通过迭代更新参数实现磨损预测。Kim等人[19]提出了一种深度多尺度CNN模型，该模型融合了原始传感器数据的多尺度信息，利用多尺寸卷积核适应切削过程，并通过贝叶斯学习转换为概率模型以进行刀具磨损预测。

从方法论的角度来看，机理模型揭示了磨损的本质，但往往依赖于简化的假设，难以完全反映实际切削过程中多种磨损机制的耦合效应。此外，参数校准需要大量的实验，导致成本较高。机器学习方法提供多源数据融合和实时预测能力，但严重依赖于高质量的标注数据。这些模型的可解释性较弱，且在不同切削条件下往往缺乏稳定性和适应性。在刀具磨损预测中，有限元方法可以深入重建切削过程中工具和工件之间的复杂接触行为，并模拟接触区域的接触应力和温度。此外，这种方法不需要大量数据即可建立预测模型，允许灵活调整刀具结构和材料属性等关键变量，从而快速分析不同条件对磨损模式的影响，有效捕捉各种因素下的应力和温度趋势。

有限元方法（FEM）提供了一种可视化手段，用于揭示金属切削过程中切削工具中物理场的分布，并能够分析刀具几何形状如何影响切削性能和磨损行为。利用这些优势，该方法已被广泛用于刀具结构优化的研究。Kumar等人[20]通过有限元仿真优化了端铣刀的几何参数，实验结果证实优化后刀具寿命和切削性能都有所提升。Suresh等人[21]在车削钛合金时发现，具有零刀刃倾角的刀片在切削边缘附近提供了更强的材料支撑，从而提高了抗断裂性和尺寸稳定性。他们的研究进一步验证了0.8毫米的切削边缘半径有助于提高尺寸精度和表面质量。Shokrani等人[22]研究了在液氮冷却条件下使用14°前角和10°间隙角的效果，注意到刀具寿命和加工质量得到提升，但也观察到过低的冷却温度可能导致刀具变形和工件精度问题。Deng等人[23]结合仿真和实验提出了一种考虑磨损的切削刃设计方法，证明优化的切削边缘半径、间隙角和楔角显著降低了磨损率。Cascón等人[24]基于正交实验优化了切屑破裂几何形状，显著提高了切屑破裂性能和工件表面质量。在涂层方面，Zhang等人[25]建立了一个假设前刀面温度恒定的涂层工具的一维非稳态热传导模型，推导出了涂层内瞬态温度分布的解析解。他们的研究表明，TiN涂层提供了显著的热屏障效应，有效降低了刀具基体的温度。Dessoly等人[26]利用有限元仿真预测了TiN涂层刀具的前刀面温度，结果与红外热成像测量结果高度一致。T. ?zel等人[27]系统分析了涂层厚度和材料成分对切削温度和力的影响。总体而言，这些研究展示了刀具几何形状和涂层特性对加工效率和刀具寿命的各自贡献。然而，关于刀具几何形状如何影响涂层工具的磨损行为，尤其是在钛合金切削过程中的影响，目前仍知之甚少。为了解决这一空白，本研究将磨损建模与切削仿真相结合，实现了涂层工具的磨损预测。通过这一框架，研究了切削刃几何形状对涂层工具磨损行为的影响，以支持此类工具的结构优化。本研究的主要贡献如下：
1. 基于Usui模型，结合了刀具几何特征与刀刃磨损宽度之间的相关性，从而开发出了更准确的刀刃磨损宽度率模型。此外，设计了磨损实验以拟合模型中的关键常数值，实现了更精确的磨损宽度定量预测。这种改进使模型能够更好地捕捉实际切削条件下的非线性磨损演变特性。
2. 建立了一个用于钛合金切削的TiAlSiN涂层工具的二维有限元模型。基于仿真数据并利用二次开发技术，实现了刀刃磨损宽度的自动计算和刀具几何形状的迭代更新，形成了预测-更新-再预测的闭环分析过程。此外，还对TiAlSiN涂层工具进行钛合金铣削实验，证实了所开发磨损预测模型的高精度。
3. 基于磨损预测方法，系统研究了切削边缘半径对刀具磨损行为的定量影响。此外，从热机械耦合机制的角度阐明了半径参数与磨损演变之间的内在关系，为切削边缘半径的优化提供了理论支持。

**2. 钛合金铣削中TiAlSiN涂层工具的磨损实验**
2.1. 铣削实验设计
实验采用带有切削液的侧铣方式。实验装置如图1所示，加工是在VDL-850三轴CNC铣床上进行的。使用Daheng MARS-1230-23U3M/C相机测量了铣刀刀刃的磨损情况。实验刀具采用了Soradiilid端铣刀，其切削刃分别为3 μm、6 μm、9 μm和12 μm，前角（β）为5°，间隙角（α）为4°，TiAlSiN涂层厚度均匀为2 μm。工件材料为钛合金，尺寸为210 mm × 210 mm × 100 mm。实验参数与仿真模型中使用的一致：切削深度（ap）为3 mm，铣削宽度（ae）为0.5 mm/齿，每齿进给量（Fz）为0.04 mm/齿，切削速度（Vc）为100 m/min。

**图1. 刀具磨损实验平台：** (a) 三轴CNC铣床；(b) 加工区域放大视图；(c) SEM和EDS分析设备。
2.2. 铣削实验中的磨损测试结果
在实验过程中，使用相同的参数测量了切削刃半径分别为3 μm、6 μm、9 μm和12 μm的刀具的刀刃磨损量。实验结果如图2所示。可以看出，随着切削时间的增加，TiAlSiN涂层工具的刀刃磨损量逐渐增加。在铣削过程中，刀具容易在刀尖处发生失效，而在轴向深度处则容易出现边界磨损。为了研究切削边缘半径（r值）对刀具磨损的影响并避免其他因素的干扰，选择了距离底部边缘1 mm处的磨损量进行与仿真结果的比对验证。此外，当刀具磨损达到0.12 mm时，工件表面质量会下降，不再满足加工要求。因此，当工具磨损达到0.12毫米时，就认为该工具不再适用。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图2. 实验性刀刃磨损曲线。为了更清楚地描述TiAlSiN涂层硬质合金工具刀刃面的磨损机制，本研究通过扫描电子显微镜（SEM）观察刀刃面，并利用能量分散光谱法（EDS）分析磨损区域的元素分布特性，系统地研究了磨损形式及其背后的机制。通过EDS对磨损区域进行元素分析发现，图3(c)和(d)显示TiAlSiN涂层磨损表面上存在Ti和大量的Si，这些是涂层的特征元素，表明涂层在这一阶段尚未完全磨损。从图3(a)和(b)中的SEM图像可以看出，在刀刃磨损区域有明显的切屑粘附痕迹。即使经过清洁后，仍有一层层或块状的钛合金碎片粘附在表面上，并在粘附区域有明显的材料转移痕迹。这表明在铣削过程中，钛合金在高温下软化并牢固地粘附在工具表面上，形成了稳定的结合区域。钛合金的高化学反应性和低导热性阻碍了热量从切削区域的快速散发，导致工具-切屑界面的温度显著升高。这进一步加剧了钛合金材料的塑性流动和界面粘附。当切屑相对于工具滑动时，粘附区域内的涂层容易因集中剪切应力而剥离。暴露的的工具基体成为新的粘附点，加速了工具的磨损过程。此外，从图3(e)可以看出，在磨损表面上，工具基体特有的元素W的含量远低于涂层特有的元素Si，进一步证明涂层并未完全磨损。最后，图3(f)中检测到仅存在于钛合金工件中的元素V，表明在用TiAlSiN涂层工具铣削钛合金时，粘着磨损和扩散磨损同时发生。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图3. 加工60分钟后刀刃磨损形态的SEM图像和EDS光谱。图4(c)和(d)中的图像显示，这一阶段的TiAlSiN涂层磨损表面含有微量的Ti和涂层特有的元素Si。进一步地，图4(e)显示与图3(e)相比，这种磨损表面上工具基体特有的元素W的含量显著增加，表明工具基体已经暴露。图4(a)和(b)中的SEM图像清楚地显示出刀刃面上也有层状或块状的钛合金碎片，并有明显的材料转移痕迹。结合图4(f)中检测到的仅存在于钛合金工件中的元素V，可以得出结论，在用暴露的工具基体铣削钛合金时，粘着磨损和扩散磨损同时发生。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图4. 加工120分钟后刀刃磨损形态的SEM图像和EDS光谱。总体而言，在用TiAlSiN涂层工具铣削钛合金的过程中，TiAlSiN涂层和工具基体在与钛合金相互作用时都会发生粘着磨损和扩散磨损。这两种磨损机制不是单独发生的，而是协同作用，共同主导了工具的磨损过程，最终导致切削刃迅速变钝并丧失切削性能。3. TiAlSiN涂层工具磨损的有限元建模3.1. 钛合金切割的有限元建模和Abaqus二次开发为了模拟金属切割过程，表征切割过程中的热机械条件是最关键的方面之一。由于通常难以全面收集此类数据，数值模拟成为一种非常实用和有效的工具。在最通用的金属切割过程建模方法中，有限元方法能够同时获得应变、应变率和温度的详细分布。然而，由于工程问题的多样性，通用软件往往缺乏针对特定应用的专门功能。为了解决这些限制，大多数商业软件平台提供了二次开发功能，帮助用户减少重复编程的工作量，提高开发起点，缩短研究周期，降低成本，并简化后续维护。基于通用软件平台进行开发已成为一个重要的研究方向。为了预测涂覆工具的磨损进展，本研究在Abaqus环境中进行了二次开发，利用其内置的有限元分析定制功能。在金属切割模拟的二次开发领域，研究人员[28]、[29]、[30]利用Abaqus获得了更符合工程问题解决方法的结果。通过将Usui磨损率模型集成到用户定义的磨损子程序中，实现了工具磨损的模拟。这种方法能够准确预测工具磨损率和累计磨损量。预测工具磨损的模拟过程如图5所示，其中工具几何形状在每次磨损增量后通过软件的二次开发进行更新。第一阶段是根据工具和工件的材料属性及几何配置构建切割模拟模型。分析过程中采用了任意拉格朗日-欧拉公式。第二阶段使用Python实现的子程序计算磨损率。子程序的计算过程在图5中用红色标出。第三步定义一个离散的时间间隔Δt来计算增量工具磨损。在本研究中，采用的时间间隔与实验测量中使用的测量间隔相同。第四步从仿真结果中提取仿真数据并计算增量工具磨损。从输出文件中提取每个切削刃节点处的温度和接触应力数据。由于原始数据有较大波动，每次迭代的磨损增量是使用离散时间间隔和刀刃磨损率计算的。然后根据计算出的磨损值更新工具切削刃节点，从而修改工具几何形状，并在更新后迭代重新运行模拟。这些迭代步骤不断循环执行，直到达到预设的刀刃磨损宽度。迭代完成后，输出所有步骤的刀刃磨损值。下载：下载高分辨率图像（582KB）下载：下载全尺寸图像图5. 预测工具磨损的完整模拟过程。该模拟专注于钛合金铣削，将铣削过程简化为热机械耦合模型，并将三维切割过程简化为二维切削刃分析以利于计算[31]。如图6所示，在简化模型中，工具的线速度等效地表示为垂直于切割方向的速度。鉴于切割模拟涉及动态、非线性和大变形问题，本研究采用了显式动态模拟方法。图6显示了工件和涂层工具的几何配置。工具使用超过110000个四边形线性元素进行离散化，最小元素尺寸为7微米。考虑了3、6、9和12微米的四种切削刃半径，涂层厚度均匀为2微米。工件网格由超过120000个四边形线性元素组成，最小元素尺寸为1微米。在工具和工件之间的接触区域使用了精细的网格，以准确模拟磨损过程。在有限元模型中，涂层工具被视为刚体，而工件被定义为可变形体。两个部件都使用CPE4RT元素进行网格划分，这些元素是4节点双线性平面应变元素，具有降低的积分和沙漏控制，适用于耦合的温度-位移分析。仅在工具和工件之间的接触区域应用了精细网格，而在其他地方使用了较粗的网格。这种策略有助于避免初始接触时的变形，并减少总体模拟时间。此外，为了获得更准确的结果，在工件上使用了比工具更小的元素，也有助于防止接触界面处的过早塑性变形。假设涂层和工具基体之间的界面具有完美的粘合条件，使两个部件可以作为一个整体结构处理，同时保持各自的独特材料属性。表1总结了工件、工具材料和涂层的热物理和机械性能。图6展示了应用于工具和工件的几何配置和边界条件。工件的左右两侧、底部表面以及涂层工具的非接触部分完全受到约束。工具在y方向上被限制移动，仅允许沿x轴以预定义的速度移动。铣削宽度ae设置为0.5毫米，切削速度Vc为100米/分钟。下载：下载高分辨率图像（621KB）下载：下载全尺寸图像图6. 铝合金加工时TiAlSiN涂层工具的切割模型和边界条件设置示意图。表1. 铝合金、硬质合金工具和TiAlSiN涂层的热机械性能。材料属性钛（参考文献32）硬质合金（参考文献33）TiAlSiN（参考文献34）热膨胀系数（·10-6/°C）9.14 8.675比热（J/(kg·°C) 61 1 (20°C) 203 360 62 4 (100°C) 67 4 (300°C) 70 3 (500°C)热导率（W/(m·°C) 6.8 (20°C) 46 6.7 7.4 (100°C) 9.8 (300°C) 11.8 (500°C)泊松比0.3 4 0.2 0.25杨氏模量（GPa）109 (50°C) 91 (250°C) 75 (450°C) 56 0357.3密度（kg/m3）44 30 150 007 1603.2. 钛合金材料模型3.2.1. 构成模型材料模型定义了加工条件下的流动应力行为，其中升高的温度、应变和应变率同时影响工件材料的响应。金属切割模拟中广泛采用的构成方程是Johnson-Cook (J-C) 材料模型，它考虑了应变硬化、应变率硬化和热软化。该构成模型由公式(1)表示[35]：(1)σ=(A+Bεpn)(1+Clnεp·ε0·)[1?(T?T0Tm?T0)m]在此表达式中，A表示材料的屈服强度，B是硬化模量，n代表应变硬化指数，C是应变率敏感系数，m表示热软化指数。T0对应于室温，Tm是材料的熔点。J-C方程需要一组材料参数，这些参数通常通过实验测试获得。在本工作中，这些参数是从Hopkinson压棒试验中得到的，并结合文献中的数据进行了补充。通过将模拟切削力和切屑形态与实验测量结果进行比较，验证了该模型对特定材料批次的适用性。本研究中使用的J-C参数见表2。表2. 铝合金的J-C模型参数[36]A (Mpa) B (Mpa)nCmε·0p (s-1)Tmelt (°C)Troom (°C)86 2.53 31.2 0.34 0.01 20.8 11 650 203.2.2. 损伤模型本工作中采用J-C构成模型来表示工件材料的流动应力行为，结合了应变硬化、应变率硬化和热软化的耦合效应。图7展示了与材料失效相关的应力-应变响应。选择合适的损伤模型对模拟结果的可靠性至关重要。材料失效开始时的等效应变由公式(2)表示[37]：(2)εˉDpl=[d1+d2exp(?d3σmσˉ)][1+d4ln(εˉ˙plε˙0)][1+d5(T?T0Tm?T0)]下载：下载高分辨率图像（310KB）下载：下载全尺寸图像图7. 材料失效过程中的应力-应变响应[35]。该公式考虑了应力三轴性、应变率和温度对损伤开始的影响。在公式中，σm表示平均正应力，σˉ是冯·米塞斯等效应力，ε˙0表示参考应变率，εˉ˙pl表示塑性应变率。系数d1至d5是J-C损伤模型固有的材料参数。本研究中检查的钛合金的相应值列在表3[38]中。表3. 钛合金的Johnson-Cook模型的损伤常数。d1 d2 d3 d4 d5-0.09 0.25 -0.5 0.01 43.87变量ω定义为累积失效应变与初始失效应变的比值。当状态变量ω达到ωD时，损伤开始，如公式(3)、(4)所示。(3)ω=∑Δεˉplεˉoi(4)ωD=∫dεˉplεˉDpl(η,εˉ˙pl)=1在公式中，Δεˉpl表示在积分时间步长Δt内累积的等效应变增量。εˉoi这一术语对应于在当前应力三轴性和应变率条件下开始出现损伤的等效应变。变量η表示应力三轴性。对于工件材料在损伤演化阶段的失效位移D，必须区分切屑形成区和工具刃部工作区。切屑形成区采用指数型损伤参数（如方程（5）所示），而工具刃部工作区则采用线性损伤参数（如方程（6）所示[37]。(5)D1=1?exp(?∫0uˉσGfduˉpl)(6)D2=uˉpluf其中uˉpl是由方程（7）定义的等效应变位移。工具刃部区域，uf表示由方程（8）定义的失效时的等效应变位移。(7)uˉpl=Lεˉpl(8)uf=2Gfσy其中特征长度L取决于元素的几何形状。从方程（5）、（6）可以看出，材料在损伤演化阶段的损伤演化参数D1和D2都与断裂能量有关。如图7所示，断裂能量Gf可以通过方程（9）中的公式来表征。由于断裂能量Gf与L有关，因此可以将其重新表述为方程（10）中的特定断裂能量。(9)Gf=∫εˉoiεˉfLσˉydεˉpl=∫0uˉfσˉyduˉpl(10)GfL=∫εˉoiεˉfσˉydεˉpl

3.2.3. 刀具-切屑接触模型
切削模拟结果的准确性和可靠性在很大程度上取决于摩擦模型的建立；因此，选择合适的摩擦模型至关重要。在本工作中，刀具-切屑界面的摩擦行为由库仑摩擦模型描述，该模型表示为方程（11）[39]。(11){τf=μσnif μσn< />< />< /> t1 的面积损失可以类似地计算，得到时间间隔 Δt = t2 - t1 的面积损失 ΔSrVB=SrVB2?SrVB1。此外，2D 中切削刃的磨损率 w· 与侧刃磨损率 dVB/dt 之间的关系可以表示为：(15)dWdt=w·=k·σn·Vrexp(?QT)=dSrVBdt=f(VB1)dVBdt(16)dVBdt=k·σn·Vrexp(?QT)/f(VB1)最后，通过结合方程（14）、（16），可以基于 Usui 磨损模型表达二维切削刃的侧刃磨损宽度率 dVB/dt 的模型：当 0≤VB1< />< />< />< />< />< />< />< />< />< />< />< />< />< />< />< />< />尽管如此，在高应力和高温的共同作用下，磨损率仍然持续上升，如图9(a)所示。下载：下载高分辨率图像（175KB）下载：下载全尺寸图像图12. 不同侧刃刃磨宽度下，涂层刀具在点C处的接触应力（点C如图10所示），切削刃半径r = 3 μm。4.2.2. 刀具几何形状对涂层刀具磨损的影响图9展示了刀具几何形状对加工过程中磨损行为的影响。对于涂有TiAlSiN的刀具，切削刃半径从3 μm增加到6 μm时，磨损率显著降低。然而，当半径从6 μm进一步增加到12 μm时，磨损率显著上升。通过观察图13中不同刃半径对应的温度分布，可以发现当半径从3 μm增加到6 μm时，热场分布更为有利。最高温度区域变宽，并沿着切屑流动方向从刀尖向刀刃后方移动，从而提高了热均匀性并显著降低了峰值温度。但是，当半径继续增加到9 μm再增加到12 μm时，这种优化趋势发生了逆转。接触面积的显著增大导致摩擦热急剧增加。虽然较大的刃半径在一定程度上改善了散热能力，但这种好处被显著更高的热生成速率所抵消。因此，过大的刃半径会导致切削区域内的整体热负荷显著增加。此外，侧刃磨损的加剧使得刀具与工件之间的接触面积增大，产生额外的摩擦热并导致温度显著上升，如图13所示。涂层因磨损而局部失效，使热量迅速渗透到基材中。这导致基材温度从受控状态变为失控的升高，严重破坏了涂层的原始隔热效果。反过来，这种过高的温度升高进一步加速了磨损率。下载：下载高分辨率图像（823KB）下载：下载全尺寸图像图13. 不同切削刃半径r和磨损条件下的涂层刀具温度分布。图14绘制了路径AB上的温度分布（如图13(a)所示）。在刀具磨损发生前后，切削刃半径的增加使得高温区域逐渐从刀尖沿着刀刃后方向切屑流动方向迁移。当刃半径从3 μm增加到6 μm时，涂层刀具上的高温区域扩大，同时峰值温度降低。随着刃半径的进一步增大，切削温度上升，热切屑与刀具之间的接触面积增大，导致峰值温度区域变宽。然而，6 μm的刃半径优化了散热效果，使热量能够在更大的刀具体积内散发，从而显著降低了系统的最高温度，体现了主动的热管理。在这个阶段，通过几何调整获得的散热效益占主导地位，有效延缓了磨损进程。然而，当半径增加到9 μm和12 μm时，过大的刃半径导致刀尖处的温度过高，使得最高温度区域重新向刀尖方向移动。这造成了局部温度积聚，进一步加剧了侧刃磨损。下载：下载高分辨率图像（392KB）下载：下载全尺寸图像图14. 刀具表面温度（路径AB如图13(a)所示）：(a) Δt = 0分钟时的刀具表面温度；(b) Δt = 112分钟时的刀具表面温度。图15显示了不同切削刃半径下，稳定加工区内点C处的接触应力。随着半径从3 μm增加到12 μm，刀具上的最大接触应力增加。当半径从3 μm增加到6 μm时，接触应力显著增加，这一增加主要是由于刀尖变得钝化。然而，当半径进一步增加到9 μm时，接触应力减小，这是由于切屑温度升高导致工件材料严重热软化所致。考虑到较大半径引起的接触应力增加与热软化导致的应力减小之间的相互影响，整体应力增加并不明显。相反，当半径进一步增加到12 μm时，涂层刀具的接触应力迅速上升。该图还表明，刀具磨损对接触应力有显著影响。如图13所示，对于半径为3 μm的刀具，在磨损112分钟后，切削刃弧度几乎消失。因此，在这个阶段接触应力增加最为显著，从而导致刀具磨损率加快。下载：下载高分辨率图像（193KB）下载：下载全尺寸图像图15. 不同切削刃半径和磨损宽度下，涂层刀具在点C处的接触应力（点C如图13所示）。5. 结论本研究提出了一种基于侧刃磨损宽度率的涂层刀具磨损仿真方法。以Usui模型为基础，通过将刀具几何特性与侧刃磨损宽度相关联，开发了一种用于钛合金铣削中涂层刀具磨损率的预测模型。通过将这种磨损率预测模型与有限元切削仿真相结合，实现了对磨损刀具形态的迭代更新，从而完成了涂层刀具的磨损仿真。仿真结果经过实验数据验证，最大偏差为17%，证明了该方法在刀具磨损预测方面的高准确性。最后，该方法被用于研究切削刃半径对刀具磨损的影响。根据获得的结果，可以得出以下结论：(1) 侧刃刃磨宽度VB与磨损体积之间的定量关系被解析地推导出来。基于Usui框架，建立了一个考虑刀具几何特性的通用侧刃磨损模型。该侧刃磨损模型的参数是通过对TiAlSiN涂层刀具铣削钛合金的实验校准确定的。(2) 将TiAlSiN涂层刀具铣削钛合金的三维加工过程简化为二维热机械耦合切削仿真。通过将此仿真与侧刃磨损模型结合，成功预测了TiAlSiN涂层刀具的磨损情况。进一步比较仿真结果和实验结果表明，该模型的预测误差可以控制在17%以内。(3) 使用所提出的刀具磨损预测方法，研究了不同刃半径r值对刀具磨损的影响。结果表明，随着刃半径的增加，磨损率先减小后增大，其中6 μm时的磨损速率最慢。然而，当刃半径进一步增加到9 μm和12 μm时，切削温度和应力升高，从而加速了磨损。