بررسی عددی استفاده از نانوذرات بر کیفیت سطح برش و شدت خوردگی در برشکاری واتر جت
الموضوعات : یافته های نوین کاربردی و محاسباتی در سیستم های مکانیکی
احمد علوی
1
()
حسن کاووسی
2
(گروه مکانیک دانشگاه آزاد اسلامی واحد ایذه)
الکلمات المفتاحية: واتر جت, حل عددی, شدت آشفتگی, خوردگی,
ملخص المقالة :
همگام با پيشرفت صنعت و تكنولوژي، نياز به دستگاه ها و تجهيزات متنوع و تك منظوره افزايش مي يابد. استفاده از نانوذرات فلزی از قبیل ذرات فولادی برای برشکاری در واتر جت از اهمیت ویژه ای برخوردار بوده و سرعت برشکاری را افزایش خواهد داد. در این پژوهش نتایج مربوط به پارامترهای مختلف جریان از قبیل توزیع فشار استاتیک و توزیع سرعت، در واتر جت و اطراف آن با تغییر پارامترهای مختلف مورد بررسی و تحلیل قرار گرفته است. همچنین با بحث درباره ناحیه مناسب برای برشکاری، هر کدام از پارامترهای جریان واتر جت بر این ناحیه تحلیل شده است. هرچه آشفتگی جریان کمتر باشد کیفیت برشکاری بهتر و خروجی سرعت نیز یکنواختی بهتری دارد و میزان افت سرعت کمتر خواهد بود. در نهایت مشخص گردید انرژی جنبشی و شدت آشفتگی با افزایش قطر ذرات از 5-10×10 تا 4-10×10 متر در دبی جریان 2/0 کیلوگرم بر ثانیه به ترتیب 73/8 و 60/4 درصد کاهش و شدت خوردگی و فشار عمودی ناشی از ذرات به ترتیب 20/737 و 45/334 درصد افزایش خواهند شد.
[1] Kovacevic, R.; Hashish, M.; Mohan, R.; Ramulu, M.; Kim, T.J.; Geskin, E.S. (1997) State of the art of research and development in abrasive waterjet machining. Transactions of ASME. Journal of Manufacturing Science and Engineering, 119: 765-785.
[2] Selvan, M.C.; Raju, N.M.; Sachidananda, H.K. (2012) Effects of process parameters on surface roughness in abrasive waterjet cutting of aluminum. Frontiers of Mechanical Engineering 7(4): 439–444.
[3]Akkurt, A.; Mustafa, K. K.; Ulvi, S.C.; Fevzi, E. (2004) Effect of feed rate on surface roughness in abrasive water jet cutting applications. Journal of Materials Processing Technology, 147: 389–396.
[4] Metin, K.; Erdogan, K.; Omer, E. (2011) Prediction of surface roughness in abrasive waterjet machining of particle reinforced MMCs using genetic expression programming. The International Journal of Advanced Manufacturing Technology, 55: 955–968.
[5] Caydas, U.; Hascalik, A. (2008) A study on surface roughness in abrasive waterjet machining process using artificial neural networks and regression analysis method. Journal of Materials Processing Technology, 202: 574–582.
[6] Jurisevic, B.; Brissaud, D.; Junkar, M. (2004) Monitoring of abrasive water jet (AWJ) cutting using sound detection. The International Journal of Advanced Manufacturing Technology, 24: 733–737.
[7] Kechagias, J.; Petropoulos, G.; Vaxevanidis, N. (2012) Application of Taguchi design for quality characterization of abrasive water jet machining of TRIP sheet steels. The International Journal of Advanced Manufacturing Technology, 62: 635–643.
[8] Parikh, P.J.; Lam, S.S. (2009) Parameter estimation for abrasive waterjet machining process using neural networks. The International Journal of Advanced Manufacturing Technology, 40: 497–502.
[9] Chen, F.L.; Siores, E. (2003) The effect of cutting jet variation on surface striation formation in abrasive water jet cutting. Journal of Materials Processing Technology, 135: 1-5.
[10] Nilesh Kumar Sharma , Satish Kumar Dewangan, Pankaj Kumar Gupta, CFD analysis of slurry jet behavior after striking the target surface and effect of solid particle concentration on jet flow, 2021.05.475
