چکیده
یک درک بهتر در به کارگیری روانکاری کمینه (MQL) یا ماشین کاری تقریبا خشک (NDM) برای استفاده مؤثر در صنایع صنعتی و تجربی مورد نیاز است. این مقاله ترکیب اسکن میکروسکوپی هم کانونی لیزری (CLSM) و تکنیک های پردازش تصویر شامل تبدیل موجک را برای مشخص کردن اندازه های قطره و توزیع قطره بعد از روانکاری کمینه که در آن روغن به ویفر سیلیکونی صاف اسپری می شود، ارائه می دهد. توپوگرافی های خام قطره گرفته شده توسط CLSM با موجک فیلتر می شود تا نویز و ناهنجاری ها حذف شود و سپس خود قطره ها با استفاده از تحلیل چندتفکیکی موجک ها ایزوله می شوند تا حجم هر قطره محاسبه شود. علاوه بر این، معادله تجربی برآورد اندازه قطره برای قطرات بسیار کوچکی که اندازه گیری آنها سخت است معرفی می شود. توزیع قطرات نیز برای تعیین فاصله بهینه نازل-قطعه و فشار آزاد سازی نازل در روانکاری کمینه نیز مطالعه شده است. روش های توسعه داده شده در این مقاله می تواند برای تعیین شرایط بهینه فرایندهای مختلف روانکاری کمینه استفاده شود.
1- مقدمه
در کاربردهای مدرن برشکاری فلزات، دمای برش و نیروهای وارد بر ابزار برش معمولا بالا است که به میزان چشمگیری عمر ابزار را کاهش می دهد. به این دلیل، در کارهای ماشین کاری، ناحیه برش باید به خوبی روانکاری شود و با استفاده از مواد سرد کننده به اندازه کافی سرد شود. برای عملیات ماشین کاری بهینه، مواد سردکننده باید در حین استفاده حفظ شوند و در نهایت دفع شوند. اخیراً، روانکاری کمینه (MQL) یا ماشین کاری تقریبا خشک (NDM) برای کاهش هزینه و حفظ و دفع حجم منحصر به فرد سیال مورد استفاده و حمایت از سیاست های زیست محیطی به کار برده شده اند [1–3]. در روانکاری کمینه، هوای فشرده شده قطرات میکرومقیاس بر روی سطح اسپری می شود. اگرچه این کار برای بسیاری از کاربردهای ماشینکاری مفید است [3–5]، اما موضوعاتی اساسی درباره روانکاری کمینه وجود دارد که تا کنون کاملا به آن پرداخته نشده است از جمله، شرایط بهینه برای کار و دغدغه های زیست محیطی [6].
abstract
A better understanding in the application of minimum quantity lubrication (MQL) or near dry machining (NDM) is needed for its effective use in practical industrial applications. This paper presents the combination of confocal laser scanning microscopy (CLSM) and image processing techniques including wavelet transform to characterize the droplet sizes and the droplet distribution after MQL oil has been sprayed onto a polished silicon wafer. The raw droplet topographies captured with CLSM have been wavelet-filtered to purge the noise and artifacts and then the droplets themselves were isolated using wavelets multi-resolution analysis in order to measure the volume of each droplet. In addition, the empirical droplet size estimation equation was introduced for extremely small droplets which are difficult to measure. The distribution of the droplets has been also studied to determine the MQL optimal nozzle–workpiece distance and the nozzle discharge pressure. The procedures developed in this paper can be used to determine optimal conditions for various applications of MQL processes.
1. Introduction
In modern metal cutting applications, the cutting temperatures and forces on a cutting tool are typically high, which drastically reduces tool life. For this reason, the cutting zone must be well lubricated and adequately cooled by applying coolants in most machining applications. For optimal machining operations, the coolants must be maintained throughout their usage and eventually disposed. Recently, minimum quantity lubrication (MQL) or near dry machining (NDM) has been applied to reduce the cost associated with the maintenance and disposal of the sheer volume of fluid being used and the conformation to environmental policies [1–3]. In MQL, the high pressurized air sprays micro-scale lubricant droplets onto the tool–work interface. Even though it is very promising for many machining applications [3–5], several fundamental issues associated with MQL such as optimal conditions for the operations and environmental concerns have not been fully addressed [6].
چکیده
1. مقدمه
2. چیدمان آزمایش
3. جمع آوری داده های CLSM و پردازش تصویر
4. محاسبه حجم قطرات
5. نتایج و بحث
5.1 توزیع و اندازه قطره
5.2 محاسبه حجم قطره با تبدیل موجک
5.3 براورد اندازه قطره کوچک
6. نتیجه گیری
abstract
1. Introduction
2. Experimental set-up
3. CLSM data acquisition and image processing
4. Droplet volume calculation
5. Results and discussion
5.1. Droplet size and distribution
5.2. Droplet volume calculation by wavelet transformation
5.3. Small droplet size estimation
6. Conclusion