切削参数对UNS A92024铝合金磨料水射流加工中出口侧缺陷的影响 佩德罗·F·马尤埃特·阿雷斯（Pedro F. Mayuet Ares） 露西亚·罗德里格斯-帕拉达（Lucía Rodríguez-Parada） 塞尔吉奥·德·拉·罗萨（Sergio de la Rosa） 莫伊塞斯·巴蒂斯塔（Moises Batista）

《Metals》：Influence of Cutting Parameters on Exit-Side Defects in Abrasive Waterjet Machining of UNS A92024 Aluminum Alloy Pedro F. Mayuet Ares, Lucía Rodríguez-Parada, Sergio de la Rosa and Moises Batista

　　摘要
磨料水射流加工（AWJM）被广泛用于切割航空航天铝合金，但与喷射滞后相关的出口侧缺陷会降低表面完整性和尺寸精度。本研究探讨了水压、磨料质量流量和行进进给速率对10毫米厚UNS A92024铝合金板材切割出口侧喷射滞后缺陷形成的影响。采用全因子33实验设计制造了27个20×20毫米的方形样品，并通过20倍放大倍率的光学显微镜进行了表征。利用图像处理技术量化了半圆形喷射滞后缺陷的投影面积，并通过多因素方差分析和多元线性回归对结果进行了分析。结果表明，行进进给速率和水压对缺陷面积有显著影响，其中行进进给速率是最具影响力的因素，而在研究范围内磨料质量流量起次要作用。高水压和低行进进给速率的组合能够实现更干净的切割并减少出口侧损伤，等高线图有助于识别最小化缺陷形成的操作窗口。所提出的方法为AWJM中喷射滞后缺陷的表征提供了系统框架，并可扩展到其他合金、厚度和先进的表征技术，以支持工业应用中的工艺优化。

1. 引言
磨料水射流加工（AWJM）是一种非传统的切割工艺，由于其能够在不引起显著热损伤的情况下加工多种材料而具有重要的工业意义。该工艺基于超高压水射流与磨料颗粒的结合，这些颗粒撞击材料表面并通过侵蚀机制促进材料去除。这一特性防止了热影响区（HAZs）的形成，并保持了工件的微观结构完整性，这在高性能工程应用中至关重要[1,2,3]。然而，尽管AWJM通常被认为是一种非热切割或“冷”切割工艺，但在某些条件下仍可能发生局部温度升高和有限的微观结构变化，最近的研究也报告了这一点[4]。与传统的热切割和机械切割工艺相比，AWJM具有多个优势，包括减少残余应力、最小化工件变形以及能够加工高强度铝合金、复合材料等难加工材料。这些特性使AWJM成为航空航天、汽车和先进制造等行业中结构完整性和尺寸精度要求严格的领域广泛采用的技术。其有效性和多功能性已被广泛记录，多项研究强调了其在保持材料完整性和减少缺陷的同时加工多种材料的能力[2,5]。此外，综合综述强调了其在工程应用中的日益重要性及其适用于加工金属和复合材料的潜力[6,7]，早期工作也为其基础和工业适用性做出了贡献[8]。在AWJM加工的材料中，2xxx系列的铝合金（如UNS A92024）因其高强度重量比和在承受苛刻载荷和疲劳条件下的广泛应用而特别值得关注[9,10]。然而，在这些合金中实现一致的切割质量仍然是一个挑战，尤其是在需要严格公差和高表面完整性的情况下[10]。在这种情况下，理解工艺参数对缺陷形成的影响对于优化AWJM性能和确保可靠的工业应用至关重要。早期和全面的研究强调了工艺参数在控制切割质量和性能方面的基本作用[2]。最近的实验研究进一步分析了不同操作条件下的切口几何形状和锥度形成等具体方面[11]，以及辅助加工技术等先进策略对工艺效率和缺陷减轻的影响[12]。此外，最近的研究将这一分析扩展到了包括增材制造复合材料在内的新兴材料，强调了参数优化对于确保表面完整性和尺寸精度的重要性[13]。

AWJM切割的质量受到与射流和材料相互作用相关的几何和表面缺陷的影响。由磨料工艺固有动态引起的最相关缺陷包括切口锥度和划痕形成，这两种缺陷都被广泛认为是表面质量下降和尺寸精度降低的指标[2,6,11]。这些效应与射流在穿透材料时动能的逐渐损失密切相关，这降低了其在更深区域的切割能力[14]。这种能量衰减，加上侵蚀过程的瞬态性质，导致切割下部区域射流的相干性丧失[4,15]，从而促进了表面不规则性的形成。除了切口锥度和划痕外，AWJM中还常报告其他缺陷，如嵌入的磨料颗粒、表面坑洞和不规则的切口轮廓。这些缺陷主要归因于颗粒能量不足以及工艺的随机性，其中颗粒大小、形状和撞击分布的变化以及局部射流不稳定性共同导致了材料去除不完全和侵蚀模式的异质性[16]。

从机械角度来看，切口锥度主要是由射流沿材料厚度的动能逐渐衰减引起的，这降低了其在更深区域的切割能力，导致出口处的切口变窄。这一现象在文献中被广泛报道，并受到水压和行进进给速率等工艺参数的强烈影响，这些参数直接控制了切割过程中的可用能量和相互作用时间[3,17]。特别是，水压不足会导致初始射流能量降低，而高行进进给速率会限制射流与材料之间的有效相互作用时间，两者都会加剧锥度。磨料质量流量也起着关键作用，因为颗粒浓度不足会限制侵蚀效率，而流量过大则可能引起颗粒干涉和能量耗散，从而降低切割性能[5]。因此，要最小化切口锥度，需要保持足够高的水压，优化磨料流量，并减少行进进给速率，以确保在整个厚度上有效去除材料。

划痕形成和表面粗糙度与不稳定和振荡的切割状态有关，通常发生在射流失去相干性并从以切割为主导转变为以变形为主导的机制时。这些缺陷严重依赖于行进进给速率和射流能量，可以通过在具有适当压力和控制进给速率的稳定切割条件下操作来减轻[17]。同样，当颗粒动能不足以完成侵蚀过程时，会导致颗粒嵌入和表面坑洞，这主要是由于颗粒撞击的随机性和射流不稳定性造成的，可以通过增加射流能量和优化磨料流动条件来减少这种现象[16]。

AWJM中最典型的现象之一是所谓的喷射滞后。这种现象表现为射流在材料入口和出口点之间的位置偏差，这是由于切割前沿在相反于进给方向的方向上逐渐偏转造成的[3]。这种偏差与射流能量的损失及其与先前被侵蚀通道的相互作用以及沿切割深度的磨料流动重新分布现象有关[18,19]。从几何角度来看，喷射滞后在出口表面形成了特征性缺陷，特别是在涉及切割方向变化的区域，如角落或轨迹终点。这些不规则性通常呈现弯曲或半圆形状，这与射流在某些工艺条件下无法保持直线轨迹以及沿材料厚度的能量耗散有关[14,20]。喷射滞后的程度受到工艺参数的强烈控制，特别是水压、磨料质量流量和行进进给速率。众所周知，增加行进进给速率会减少射流与材料之间的相互作用时间，导致切割前沿响应延迟，从而放大射流偏差[17]。同样，水压不足会限制射流的可用动能，促进早期偏转并降低其穿透能力[3]。磨料质量流量也起着重要作用，因为它影响动量传递效率和射流相干性，直接影响切割前沿的稳定性[5]。因此，可以通过减少行进进给速率、增加水压以确保整个厚度上的足够射流能量以及优化磨料质量流量来最小化喷射滞后。

从机械角度来看，切口锥度主要是由于射流沿材料厚度的动能逐渐衰减引起的，这降低了其在更深区域的切割能力，导致出口处的切口变窄。这一现象在文献中被广泛报道，并受到水压和行进进给速率等工艺参数的强烈影响，这些参数直接控制了切割过程中的可用能量和相互作用时间[3,17]。特别是，水压不足会导致初始射流能量降低，而高行进进给速率会限制射流与材料之间的有效相互作用时间，两者都会加剧锥度。磨料质量流量也起着关键作用，因为颗粒浓度不足会限制侵蚀效率，而流量过大则可能引起颗粒干涉和能量耗散，从而降低切割性能[5]。因此，要最小化切口锥度，需要保持足够高的水压，优化磨料流量，并减少行进进给速率，以确保在整个厚度上有效去除材料。

划痕形成和表面粗糙度与不稳定和振荡的切割状态有关，通常发生在射流失去相干性并从以切割为主导转变为以变形为主导的机制时。这些缺陷严重依赖于行进进给速率和射流能量，可以通过在具有适当压力和控制进给速率的稳定切割条件下操作来减轻[17]。同样，当颗粒动能不足以完成侵蚀过程时，会导致颗粒嵌入和表面坑洞，这主要是由于颗粒撞击的随机性和射流不稳定性造成的，可以通过增加射流能量和优化磨料流动条件来减少这种现象[16]。

AWJM切割的质量还受到与射流和材料相互作用相关的几何和表面缺陷的影响。由磨料工艺固有动态引起的最相关缺陷包括切口锥度和划痕形成，这两种缺陷都被广泛认为是表面质量下降和尺寸精度降低的指标[2,6,11]。这些效应与射流在穿透材料时动能的逐渐损失密切相关，这降低了其在更深区域的切割能力[14]。这种能量衰减，加上侵蚀过程的瞬态性质，导致切割下部区域射流的相干性丧失[4,15]，从而促进了表面不规则性的形成。除了切口锥度和划痕外，AWJM中还常见的其他缺陷包括嵌入的磨料颗粒、表面坑洞和不规则的切口轮廓。这些缺陷主要归因于颗粒能量不足以及工艺的随机性，其中颗粒大小、形状和撞击分布的变化，以及局部射流不稳定性共同导致了材料去除不完全和侵蚀模式的异质性[16]。

从机械角度来看，切口锥度主要是由于射流沿材料厚度的动能逐渐衰减引起的，这降低了其在更深区域的切割能力，导致出口处的切口变窄。这一现象在文献中被广泛报道，并受到水压和行进进给速率等工艺参数的强烈影响，这些参数直接控制了切割过程中的可用能量和相互作用时间[3,17]。特别是，水压不足会导致初始射流能量降低，而高行进进给速率会限制射流与材料之间的有效相互作用时间，两者都会加剧锥度。磨料质量流量也起着关键作用，因为颗粒浓度不足会限制侵蚀效率，而流量过大则可能引起颗粒干涉和能量耗散，从而降低切割性能[5]。因此，要最小化切口锥度，需要保持足够高的水压，优化磨料流量，并减少行进进给速率，以确保在整个厚度上有效去除材料。

划痕形成和表面粗糙度与不稳定和振荡的切割状态有关，通常发生在射流失去相干性并从以切割为主导转变为以变形为主导的机制时。这些缺陷严重依赖于行进进给速率和射流能量，可以通过在具有适当压力和控制进给速率的稳定切割条件下操作来减轻[17]。同样，当颗粒动能不足以完成侵蚀过程时，会导致颗粒嵌入和表面坑洞，这主要是由于颗粒撞击的随机性和射流不稳定性造成的，可以通过增加射流能量和优化磨料流动条件来减少这种现象[16]。

AWJM中最具特征性的现象之一是所谓的喷射滞后。这种现象表现为射流在材料入口和出口点之间的位置偏差，这是由于切割前沿在相反于进给方向的方向上逐渐偏转造成的[3]。这种偏差与射流能量的损失及其与先前被侵蚀通道的相互作用以及沿切割深度的磨料流动重新分布现象有关[18,19]。从几何角度来看，喷射滞后在出口表面形成了特征性缺陷，特别是在涉及切割方向变化的区域，如角落或轨迹终点。这些不规则性通常呈现弯曲或半圆形状，这与射流在某些工艺条件下无法保持直线轨迹以及沿材料厚度的能量耗散有关[14,20]。喷射滞后的程度受到工艺参数的强烈控制，特别是水压、磨料质量流量和行进进给速率。众所周知，增加行进进给速率会减少射流与材料之间的相互作用时间，导致切割前沿响应延迟，从而放大射流偏差[17]。同样，水压不足会限制射流的可用动能，促进早期偏转并降低其穿透能力[3]。磨料质量流量也起着重要作用，因为它影响动量传递效率和射流相干性，直接影响切割前沿的稳定性[5]。因此，可以通过减少行进进给速率、增加水压以确保整个厚度上的足够射流能量以及优化磨料质量流量来最小化喷射滞后。颗粒-材料相互作用的固有变异性进一步加剧了射流的不稳定性，强调了参数选择平衡的必要性[16]。

尽管在理解AWJM工艺方面取得了进展，但切割质量的表征传统上主要集中在表面粗糙度、切口锥度和划痕等全局参数上，这些参数被广泛用作工艺性能的标准指标[2,11]。虽然这些参数可以总体评估切割质量，但它们并不能具体捕捉到与喷射滞后等现象相关的局部不规则性，特别是在角落或轨迹变化等关键区域。一些研究分析了工艺参数（如水压、行进速度和磨料流量）对全局质量变量的影响，建立了这些参数与表面粗糙度、切口几何形状或切割效率之间的关系[11,21,22,23]。然而，大多数这些研究是从宏观角度出发的，没有直接对出口表面的局部缺陷进行几何量化[4,24]。尽管从物理和定性角度对喷射滞后现象进行了广泛描述，但其定量表征仍存在显著局限性。文献倾向于通过形态观察、切割前沿轮廓或其与切口锥度和划痕等缺陷的关系来描述其效应[3,14]。然而，缺乏能够直接量化出口表面产生的缺陷的标准化指标，特别是在简单和可重复的几何描述符方面[4,25,26]。此外，以往研究中使用的表征技术通常基于表面粗糙度测量或切口锥度评估等方法，尽管提供了详细信息，但在可访问性、成本或工业环境中的应用方面存在局限性[27,28]。在这方面，基于图像分析的技术代表了缺陷量化的潜在有用替代方法，尽管其在喷射滞后方面的具体应用在文献中仍然有限。最近的综述强调了需要新的、更易于访问、自动化和适用于工业的表征方法[29]。

因此，目前存在一个明确的研究空白，即缺乏能够直接将关键工艺参数（特别是水压、磨料质量流量和行进进给速率）与出口表面局部缺陷形成联系起来的定量和可访问的方法。现有方法主要依赖于全局质量指标，并不能提供与喷射滞后相关的缺陷的直接几何描述符，限制了在现实工业条件下建立稳健的工艺-缺陷关系的能力。这一限制在工程角度来看尤为重要，因为与喷射滞后相关的局部缺陷正是那些在公差要求最严格的区域中决定几何精度的重要因素。因此，通常测量的质量参数与可能最终影响最终组件功能的缺陷之间存在脱节[30]。在这种情况下，需要开发能够使用对工艺参数敏感且实验上可访问的变量来直接量化出口表面缺陷的表征方法。定义这样的指标是在过程的现象学描述和其在实际应用中的有效控制之间的一个重要中间步骤。

在此框架下，本工作的目的是分析是否可以使用基于出口表面缺陷面积的几何描述符来表征与喷射滞后相关的缺陷，并评估其对切割参数变化的敏感性。更具体地说，目标是确定这种量度是否能够建立工艺条件与局部几何退化之间的一致关系，从而比传统使用的全球指标提供更具体的现象描述。这种方法并不旨在取代经典的切割质量参数，而是通过引入一个直接捕捉喷射滞后在其影响最关键区域中的几何表现的变量来补充它们。在这个意义上，这项工作属于实验过程特征化的范畴，其明确的范围旨在提高对AWJM（磨料水射流加工）中出口表面缺陷的定量理解。2. 实验程序 本研究选用的材料是铝合金UNS A92024，属于2xxx（Al–Cu）系列，由于其高强重比和良好的疲劳性能，被广泛用于结构应用。这些特性使其成为航空航天和运输等领域的代表性材料，在这些领域中，机械完整性和尺寸精度是关键要求。从加工角度来看，UNS A92024表现出高强度韧性材料的典型特性，这可能会因为热量产生以及毛刺形成或局部塑性变形的倾向而阻碍传统的切割过程。在这种情况下，磨料水射流加工（AWJM）是一个合适的替代方案，因为它是一种非热加工过程，可以最小化对材料性能的改变[2,31]。实验测试使用了一块标称厚度为10毫米的板材，从中切割出了20 × 20毫米的正方形试样。选择这种几何形状的原因是为了在明确定义的区域中促进喷射滞后现象的发生。特别是，正方形试样的角部涉及喷射路径的突然变化，这会导致切割前沿的有效轨迹发生变化，并放大与喷射滞后相关的偏转效应[5,14]。图1显示了每个试样的切割路径。图1. 正方形切割路径。此外，这种配置使得在相似的工艺条件下能够一致地定义可比较的兴趣区域（区域1、2和3），从而便于系统地评估局部缺陷。通过这种方式，正方形几何形状作为实验控制元素，允许在可重复的条件下观察和量化该现象，避免了更复杂或可变切割路径所带来的不确定性。切割测试使用了TCI Cutting公司的BPC 3020型磨料水射流加工系统（位于西班牙瓦伦西亚），该系统配备了一个切割头。该设备的一般特性使其能够在高压下运行，并具有适合精密切割应用的位置速度[32]。使用的是传统的磨料水射流喷嘴（图2）。聚焦管的直径和长度分别为0.8毫米和94.7毫米。机器的水孔直径约为0.30毫米。图2. 切割喷嘴示意图。由于印度石榴石砂80在加工铝合金方面的广泛应用，因其硬度、角度形态以及切割效率和运行成本之间的良好平衡，因此被选为磨料材料[2,8]。磨料通过受控的进料系统供应，确保了所有实验中的条件稳定。为了隔离主要工艺参数的影响，几个操作变量保持不变。特别是，喷嘴与工件表面之间的距离（SOD）固定在2.5毫米，这个值是为了确保喷射的连贯性并最小化撞击前的分散[21]。同样，所有测试中的初始喷射穿透时间也保持不变，以防止可能影响工艺稳定性的进入条件变化。其他工艺参数，如喷嘴状况和系统磨损，在实验过程中没有变化，假设它们是恒定的。压力条件通过实验进行了验证，设备提供的标称值与实际值之间的偏差很小。具体来说，所有考虑的压力水平的差异都低于5%，这属于AWJM系统的典型操作范围，从实验角度来看并不显著。因此，假设标称值能够充分代表本研究建立的工作条件。为了系统地评估工艺参数对出口表面缺陷形成的影响，采用了全因子设计（33），考虑了三个独立因素及其各自的三个代表性水平，这些水平对应于典型的工业条件[21,23]。选定的因素是水压（WP）、磨料质量流量（AMFR）和横向进给速度（TFR），因为这些变量被广泛认为是AWJM切割质量的关键决定因素[2,12]。具体来说，考虑的水平分别是水压2500、3800和5000巴；磨料流量110、225和340克/分钟；以及横向速度100、175和250毫米/分钟。这些水平的组合共产生了27种实验条件，每种条件都通过切割一个独立的试样来进行。最终的实验设置总结在表1中。表1. 实验设计。每个试样代表一个与独特工艺参数组合相关的实验单元。尽管每个测试条件没有进行独立的重复实验，但每个样本都在多个感兴趣的区域（区域1、2和3）进行了分析，从而在同一实验条件下获得了多次缺陷测量[33]。由于初始穿透阶段存在瞬态条件，可能会局部改变切割几何形状，因此排除了对应于喷射入口点的角部，这些条件不代表工艺的稳态情况。缺陷特征化集中在试样的出口表面，选择了切割过程中产生的角部作为感兴趣的区域。这种选择是因为这些区域表现出与喷射滞后现象最显著的影响，这是由于喷射路径的变化[3,14]。图像采集使用了配备数字捕获系统的Leica DM2700 M光学显微镜（Leica，德国韦茨拉尔），能够记录感兴趣区域中缺陷的完整几何形状而不会显著丢失细节。为了确保采集条件的一致性，所有图像都在相同的照明设置下拍摄，使用可控方向和放大倍率（20×）的入射光。这种配置增强了缺陷轮廓的可见性，并改善了加工表面与受影响区域之间的对比度，便于后续的分割。图像处理基于从二维数据中提取几何描述符的图像分析技术[34]。首先，使用已知参考对象对每张图像进行了空间校准，使测量量能够以实际单位表示。随后，定义了出口表面的缺陷轮廓。最初，手动分割受影响区域以划定缺陷。然后，软件计算了缺陷所围成的面积，得到其以毫米平方为单位的值。为了提高定义区域的几何精度，使用连续插值平滑了提取的轮廓，减少了与表面纹理相关的局部不规则性的影响[35,36]。所提出的度量仅限于缺陷的二维表示，这适用于出口表面的评估，但没有考虑其三维形态，如深度或亚表面特征。响应变量定义为每个感兴趣区域中分割区域得到的出口表面缺陷面积。对于每个分析的角部，至少从两个独立测量中确定了面积值，然后计算平均值作为该区域缺陷大小的代表性估计值。结果的分析使用了多变量技术，旨在评估工艺参数对响应变量的影响。特别是，应用了方差分析（ANOVA）来确定所考虑因素及其可能的交互作用的统计显著性，以及回归模型来描述独立变量与响应之间的关系。生成式人工智能（GenAI）工具用于文本分析、讨论增强和图形生成。3. 结果与讨论 本节展示了在不同工艺条件下出口表面缺陷特征化的结果，并对其进行了分析。分析结合了形态观察、响应变量的定量评估以及切割参数的影响研究，旨在建立操作条件与喷射滞后现象相关缺陷大小之间的一致关系。3.1. 缺陷的形态观察 出口表面的形态分析显示，与喷射滞后现象相关的缺陷表现出明确且系统的几何形状，其特征是曲线轮廓，其范围取决于切割条件。图3展示了两种对比情况，分别对应于最佳和最差的条件，通过水压（WP）进行区分。图3. 随切割轨迹变化的缺陷形态比较。如观察到的，切割轨迹似乎没有显著影响，因为无论分析哪个角部（区域1、2和3），都获得了相似的形态模式。然而，当压力加倍时，可以观察到缺陷尺寸的明显减小[24,37]。这种效应表明喷射穿透能力和稳定性都有所提高，减少了切割过程中的累积偏差。在这种情况下，水压作为一种补偿参数，对抗了横向速度引起的效应。这与压力作为AWJM中最具影响力的参数之一的公认作用一致，因为它直接控制着喷射的动能，从而控制其切割能力和最终质量[38]。在高横向速度条件下，也观察到缺陷范围的显著增加，伴随着侵蚀前沿的更大曲率，表明喷射与标称轨迹的偏差更加明显（图4）。这种行为与喷射与材料之间的相互作用时间减少一致，这限制了系统在整个材料厚度上保持稳定轨迹的能力[39]。图4. 随横向速度变化的缺陷形态比较。关于磨料流量，在分析范围内没有观察到对缺陷形态的明显定性影响（图5）。该参数的变化在视觉层面上不会产生显著的缺陷几何变化，表明相对于横向速度和水压，其影响是次要的。这一结果与先前的研究一致，这些研究表明横向速度和压力是切割质量中最具影响力的因素，而磨料流量影响相对较小[39,40]。图5. 随磨料流量变化的缺陷形态比较。这些定性观察与喷射滞后现象的预期行为一致，即喷射偏差取决于系统中可用能量与切割头横向速度之间的平衡[3,14]。从这个意义上说，缺陷形态可以解释为不同操作条件下这种平衡的直接表现。在所研究的切割条件下，没有观察到显著的毛刺形成。如图2、图3和图4所示，检查的表面没有表现出典型的毛刺特征，例如切口边缘的塑性变形材料堆积。这种行为与磨料水射流加工中的材料去除机制一致，该机制主要由高速颗粒冲击引起的侵蚀控制，而不是塑性变形[3]。因此，切割力显著减小，材料位移最小化，从而限制了毛刺的形成。在复合材料和聚合物加工的研究中也报告了类似的观察结果，AWJM产生的表面干净，边缘损伤最小，与传统切割工艺相比[5,17]。尽管本研究侧重于几何特征化，但如文献中所报道的，这类缺陷可能作为应力集中器并可能影响机械性能。3.2. 缺陷面积的定量结果 出口表面缺陷面积的测量值显示出显著的变异性，这取决于工艺参数的组合。总体而言，测量值范围很广，表明响应变量对施加的切割条件非常敏感。当忽略切割轨迹的影响并将数据按实验条件汇总时，在恒定压力下的边际分析（图6）显示，压力是对响应影响最大的因素，与缺陷面积呈反比关系。随着压力的增加，缺陷面积在所有评估条件下都明显且一致地减小。这种效应是稳健的且几乎是线性的，尽管在高速横向速度下的影响更为明显。因此，WP被确定为该过程的主要控制因素，作为一个稳定参数，可以减少缺陷的形成。图6显示了不同水压（WP）和磨料质量流量（AMFR）组合下，横向进给速度（TFR）对缺陷面积的边际影响。同样，当忽略轨迹效应并在恒定TFR下进行分析时（图7），横向速度对缺陷面积有明显正向影响，随着该参数的增加，缺陷面积系统性增加。这种效应在最高水平（250毫米/分钟）时尤为明显，其中更陡的斜率表明过程敏感性更高。此外，在低压条件下，TFR的影响被放大，突显出与其他因素的相互作用。总体而言，TFR作为一个增强缺陷的因素，表现出一致且明确的行为。图7显示了不同磨料质量流量（AMFR）和横向进给速度（TFR）组合下，水压（WP）对缺陷面积的边际影响。最后，在恒定AMFR下的分析中（图8），无论轨迹如何，磨料流量表现出更复杂且依赖于条件的行为。一般来说，较低的AMFR值倾向于产生较大的缺陷面积，而较高的值（340克/分钟）则会减少这种效应。然而，这种效应并非严格线性，因为在某些组合中——特别是在低压和高横向速度的情况下——中等水平（225克/分钟）会导致最大的缺陷面积。这表明与其他因素（尤其是WP和TFR）有强烈的相互作用，暗示AMFR的效应不能独立解释。图8显示了不同水压（WP）和横向进给速度（TFR）组合下，磨料质量流量（AMFR）对缺陷面积的边际影响。总体而言，数据表明，以高横向速度为特征的组合与较高的缺陷面积值相关联。这种行为在不同的压力和磨料流量水平下都得到了观察，表明这一参数在缺陷生成中起主导作用。相反，高压条件通常与较低的缺陷面积值相关联，这加强了定性分析中观察到的趋势。当比较极端压力水平时，缺陷面积随着压力的增加而系统性减少，这种效应尤为明显。关于磨料流量，结果在研究的范围内没有显示出明确的缺陷面积变化趋势。尽管在不同实验组合之间观察到了差异，但这些差异并不遵循一种可以归因于该参数显著全局影响的统一模式。从总体上看，结果分布表明，所定义的响应变量——缺陷面积——对过程参数（特别是横向速度和水压）引起的变化足够敏感。这种行为支持将其作为所分析现象的定量描述符，并为后续的统计分析提供了坚实的基础。

3.3 过程参数的影响
主效应分析（图9）直接识别了过程参数对出口表面缺陷面积的相对影响，确认并巩固了边际分析中观察到的趋势。图9显示了平均缺陷面积的主效应图。首先，横向速度（TFR）显示出明显的增加趋势，随着速度从100毫米/分钟增加到250毫米/分钟，缺陷面积显著上升。这种陡峭的斜率与边际图一致，其中增加的TFR导致缺陷面积大幅增加，特别是在低压条件下，突显了其作为促进缺陷形成的因素的作用。相比之下，水压（WP）显示出强烈的下降趋势，并被确定为具有最大整体影响的因素。随着压力从2500巴增加到5000巴，缺陷面积显著减少，这与边际分析完全一致，其中压力作为一个主导和稳定的变量，减少了响应的平均值和变异性。关于磨料流量（AMFR），图表显示出一个总体下降趋势，尽管不太明显且存在一定程度的非线性。110克/分钟和225克/分钟之间的差异相对较小，而在340克/分钟时观察到了更明显的减少。这种行为也与边际分析一致，其中AMFR的效应显示出与其与TFR和WP的相互作用密切相关，甚至在特定条件下表现出中间的最佳值。总体而言，主效应图确认WP和TFR是过程中最具影响力的因素，而AMFR的影响是次要的，但依赖于相互作用。这支持将系统解释为一个多因素过程，在该过程中变量相互作用起着重要作用。这种层次结构与过程的物理机制以及之前AWJM研究中的趋势一致[2,14,21]。

3.4 参数之间的相互作用
过程参数之间相互作用的分析（图10）允许评估一个变量的效应是否取决于另一个变量的水平。特别是横向速度（TFR）和水压（WP）之间的相互作用表明，横向速度的效应在不同压力水平下保持一致。尽管在高压下观察到缺陷增加的轻微减弱，但总体趋势——随着横向速度的增加缺陷面积增加——在所有情况下都得到维持。这表明压力作为一个调节因素，但不改变横向速度的主导效应。图10显示了平均缺陷面积的相互作用图。关于磨料质量流量（AMFR）与其他参数之间的相互作用，没有明确定义的模式表明存在显著的组合效应。观察到的缺陷面积变化并未显示出与AMFR和其他因素同时变化之间的系统性依赖性，这加强了该参数在分析范围内具有次要影响的观点。缺乏强烈的相互作用可以解释为主要因素的相对独立行为，其中系统响应主要由个别效应控制，特别是横向速度。这一结果简化了对过程的解释，并允许在参数和响应之间建立更直接的关系。相关矩阵使得能够评估过程因素与响应变量（缺陷面积）之间的线性关系（图10）。结果显示TFR和缺陷面积之间存在中等到高的正相关（r ≈ 0.65），表明增加横向速度倾向于增加生成的缺陷。这一结果与主效应分析和边际图一致，其中观察到响应随TFR的增加而明显增加。另一方面，水压（WP）与缺陷面积之间存在中等的负相关（r ≈ ?0.52），确认增加压力可以减少缺陷，这与之前确定的其作为过程控制因素的主导作用一致。在磨料质量流量（AMFR）的情况下，相关性也是负的，但幅度较小（r ≈ ?0.20），表明其整体效应较弱，尽管边际分析显示其行为强烈依赖于与其他因素的相互作用。

3.5 方差分析
为了评估所考虑因素的统计显著性，对响应变量进行了方差分析（ANOVA）。获得的结果总结在表2中。除了F值和p值外，还基于平方和计算了每个因素对总变异性的相对贡献，从而对其对缺陷形成的影响进行了定量评估。表2显示，横向进给速度（TFR）是主导因素，占总变异性的43.06%，其次是水压（WP），占26.67%。这两个参数共同解释了缺陷面积变异性的近70%，确认过程主要受相互作用时间和喷射能量平衡的控制。在相互作用项中，TFR × WP的相互作用贡献了15.30%，占总变异性的相当大的一部分。这证实了横向速度的效应不能独立于压力来解释，且这两个参数以强烈耦合的方式共同作用。相比之下，AMFR的单独贡献相对较低（4.49%），尽管其与WP的相互作用在统计上仍然显著。从物理和统计的角度来看，最相关的结果是TFR × WP的相互作用，其显著性极高。这表明横向速度的影响强烈依赖于水压。平均数据清楚地说明了这一点：在5000巴的压力下，当TFR从100毫米/分钟增加到250毫米/分钟时，平均缺陷面积从大约0.054毫米2增加到0.281毫米2；然而，在2500巴的压力下，这种增加更为明显，从约0.193毫米2增加到1.444毫米2。因此，随着压力的降低，增加横向速度的负面影响显著放大。这种相互作用表明，这两个因素不是以加法方式作用，而是以耦合方式作用：高压部分缓解了高横向速度引入的退化，而低压使过程对进给速度的增加更加敏感。WP × AMFR的相互作用也具有统计显著性，占总变异性的3.69%，表明磨料质量流量的效应取决于压力水平。平均值显示，在2500巴的压力下，中等磨料水平（225克/分钟）产生的平均缺陷面积高于110克/分钟；而在5000巴的压力下，增加磨料流量更明显地与缺陷面积的减少相关。这一结果表明，磨料效率不能独立于可用的喷射能量来评估。在低压下，增加磨料流量并不保证成比例的改进，甚至可能反映出一个效率较低的过程条件；相比之下，在高压下，系统似乎更有效地利用了磨料输入。TFR × AMFR的相互作用贡献了1.76%，虽然不如横向速度和压力之间的相互作用显著，但仍然具有统计显著性。这种效应表明磨料流量的影响在整个横向速度范围内并不均匀。同样，三阶相互作用（TFR × WP × AMFR）的贡献为1.96%，证实了系统表现出多因素行为，其中参数效应不能单独理解。关于Corner因素，其效应明显不显著，贡献仅为0.02%。三个角落之间没有差异，这加强了在评估条件下轨迹不会引入缺陷面积系统性依赖性的观点。总体而言，ANOVA结果表明，AWJM切割中的缺陷形成主要由横向进给速度和水压控制，它们的相互作用有很强的贡献。磨料质量流量起次要作用，主要是通过调节响应来适应压力条件。贡献分析确认过程受耦合效应的控制，而不是独立参数的影响，这与磨料射流的物理行为及其与材料的相互作用一致。这与之前的研究一致，这些研究表明横向速度和压力是大多数响应变量的主导因素[41,42]，参数之间的相互作用是显著的[43]，而磨料流量起次要但相关的角色[44]。因此，统计结果应被解释为趋势的指示，而不是绝对的定量概括。

3.6 现象的物理解释
所获得的结果可以在磨料射流中可用能量与切割过程中与材料的相互作用时间之间的平衡框架内进行解释。在这种情况下，横向速度和水压分别作为控制相互作用持续时间和系统有效能量的关键参数。横向速度的主导效应可以通过侵蚀可用时间的减少来解释。在高速度下，射流没有足够的时间均匀地完成材料去除，导致切割前沿逐渐偏离。这种偏离向较低区域累积，导致出口表面的缺陷面积增加。这种行为与射流滞后现象的动态性质一致，其中射流轨迹落后于切割头的位置[3,14]。另一方面，水压控制着射流的动能，因此也控制着其穿透能力和稳定性。随着压力的增加，射流能够在整个材料厚度范围内保持更好的稳定性，从而减少偏差，进而减小出口表面的缺陷面积。这种效应部分抵消了切割速度的负面影响，解释了在高压条件下观察到的缺陷面积减少的现象。关于磨料的质量流量，其有限的影响可以理解为侵蚀机制的饱和度。在分析的范围内，系统很可能处于磨料数量不是限制因素的状态，射流能量和相互作用时间主导了响应过程。在这些条件下，磨料流量的变化不会导致缺陷几何形状的显著变化。总体而言，结果表明，出口表面的缺陷形成可以理解为切割速度与射流在现有能量条件下保持稳定轨迹能力之间的不平衡直接导致的。这种解释与AWJM过程的物理描述以及文献[2,14,18]中报告的趋势一致。

4. 结论
本研究通过基于图像分析和因子实验设计的方法，对使用磨料水射流加工（AWJM）UNS A92024铝合金时产生的出口表面缺陷进行了表征。从操作角度来看，获得的结果有助于明确参数选择以最小化出口表面缺陷的趋势。特别是，高压和低切割速度的组合与缺陷面积的显著减少相关，表明这些条件促进了射流的稳定性并减少了切割前沿的偏差。这种行为与过程的物理解释一致，在需要关键区域几何精度较高的应用中可能特别重要。

本研究的主要结论如下：
- 基于出口表面缺陷面积定义的响应变量被证明是捕捉不同工艺条件下射流滞后现象变化的有效几何描述符。
- 缺陷的几何形状和方向主要与射流滞后现象相关，而其大小则受能量衰减效应（如切口锥度）的影响。
- 切割速度被认为是影响缺陷大小的最重要因素，随着该参数的增加，缺陷面积系统性地增大。
- 水压表现出显著的负效应，通过增加射流能量和提高切割过程中的稳定性来减少缺陷。
- 磨料质量流量对缺陷形成有统计学上的显著影响；然而，与切割进给率和水压相比，其贡献较小，表明在分析范围内处于次要地位。
- 高压和低切割速度的组合定义了一个有利于最小化出口表面缺陷的理想操作区域。
- 观察到的变异性与AWJM的随机性质一致，其中颗粒分布和射流不稳定性引入了响应的固有分散性。
- 所提出的基于图像分析技术的表征方法能够直接量化局部缺陷，是实验研究该过程的有用工具。

尽管获得的结果具有一致性，但必须承认本研究的某些局限性。分析是在单一材料（UNS A92024）和固定厚度（10毫米）上进行的，这可能限制了研究结果直接推广到其他材料或几何配置的可能性。此外，尽管每个样本都进行了多次测量，但每个实验条件缺乏完全独立的重复实验可能会影响结果的统计稳健性。研究还仅限于特定的工艺参数范围，因此所识别的趋势应在这些操作限制内进行解释。此外，缺陷表征是基于固定放大倍数（20倍）的二维图像分析，可能无法完全捕捉到与射流滞后现象相关的三维特征或亚表面效应。未来的研究应将该方法扩展到不同的材料、厚度和更广泛的参数范围，以验证观察到的趋势的普遍性。引入先进的表征技术（如三维轮廓测量或更高分辨率的成像）将能够更详细地分析缺陷形态。此外，实施完全重复的实验设计将提高统计可靠性，而开发预测性或数据驱动的模型将有助于优化工艺并促进工业应用。

总体而言，本研究为理解AWJM过程中与射流轨迹变化相关的缺陷提供了坚实的基础，并明确了最具影响力的参数的行为趋势。这些发现为未来旨在改进工艺控制和缺陷最小化策略的研究奠定了框架。