基于能耗效率的SiCp/Al復(fù)合材料切削參數(shù)多目標(biāo)優(yōu)化

王進(jìn)峰，潘麗娟，邢迪雄，丁海民

(華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，河北保定，071003)

隨著能源消耗和碳排放的增加，制造業(yè)對(duì)環(huán)境的影響越來越大。制造業(yè)消耗的能源占世界總能源的30%，排放的二氧化碳占全球總排放量的36%[1]，因此，節(jié)能減排已經(jīng)成為制造業(yè)的首要任務(wù)。近年來，研究人員已經(jīng)開始關(guān)注機(jī)械加工過程對(duì)生態(tài)的影響。BHATTACHARYA等[2]利用田口法研究了切削參數(shù)對(duì)功耗和加工質(zhì)量的影響。CAMPOSECO-NEGRETE[3]利用方差分析法分析了切削參數(shù)對(duì)功率的影響。QASIM 等[4]在對(duì)AISI1045 進(jìn)行加工時(shí)，采用了田口法和方差分析法來降低功耗和切削力等。CAMPOSECONEGRETE[5]應(yīng)用方差分析和期望分析來優(yōu)化車削鋁時(shí)的能耗、材料去除率和表面粗糙度。BILGA等[6]使用田口方法研究了切削參數(shù)和刀尖圓弧半徑對(duì)能耗的影響。NEWMAN 等[7]研究表明通過優(yōu)化切削參數(shù)和刀具路徑，可節(jié)省6%～40%的能耗。由于切削參數(shù)對(duì)加工能耗的影響機(jī)理非常復(fù)雜，人們重點(diǎn)研究了功率消耗的參數(shù)化模型，為多目標(biāo)參數(shù)優(yōu)化問題提供了解決方案。GAITONDE等[8]建立了基于最小二乘擬合的數(shù)學(xué)模型，分析了加工時(shí)間和切削深度對(duì)功率、比切削力、刀具磨損和表面粗糙度的影響。ABHANG 等[9]在不同的切削條件下建立了功率預(yù)測(cè)模型。MATIVENGA等[10]開發(fā)了最小能量預(yù)測(cè)模型，以確定最佳切削參數(shù)。VELCHEV 等[11]提出了車削過程能耗的數(shù)學(xué)模型，分析了刀具材料、進(jìn)給速度和切削深度對(duì)最小能耗的影響。LIU等[12]建立了槽銑削過程中刀具尖端切削力和切削功率的能耗模型，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。LI等[13]提出了基于能效和生產(chǎn)時(shí)間的多目標(biāo)優(yōu)化模型。雖然大多數(shù)研究者在實(shí)驗(yàn)和模型中都考慮了機(jī)器的功耗，卻忽略了功率系數(shù)這個(gè)重要參數(shù)。功率系數(shù)為切削材料消耗的功率與實(shí)際測(cè)量功率的比值。如果功率系數(shù)較低，電力局或供應(yīng)商會(huì)對(duì)制造單位進(jìn)行處罰。大部分對(duì)功率系數(shù)的研究主要集中于安裝在機(jī)床上的矯正設(shè)備[14-15]，但這會(huì)增大研究成本。為了避免額外的資金投入，人們通過優(yōu)化加工參數(shù)來提高功率系數(shù)。SHOKOOHI 等[16]在研究一種新開發(fā)的切削液時(shí)測(cè)量了功率系數(shù)，但沒有研究車削參數(shù)對(duì)功率系數(shù)的影響。BILGA等[6]對(duì)EN353合金鋼進(jìn)行了粗車削實(shí)驗(yàn)，獲得了能源效率、機(jī)器消耗有功功率和功率系數(shù)這3 個(gè)重要能耗響應(yīng)參數(shù)的最佳切削條件。然而，這些研究所涉及的都是傳統(tǒng)材料，對(duì)在航空航天和汽車等領(lǐng)域應(yīng)用越來越廣泛的SiCp/Al復(fù)合材料的研究較少。由于增強(qiáng)顆粒的存在，導(dǎo)致該材料切削加工性差，在加工過程中存在耗能高、加工質(zhì)量差等問題[17-18]。王進(jìn)峰等[19-20]針對(duì)高體積分?jǐn)?shù)SiCp/Al 復(fù)合材料切削時(shí)表面質(zhì)量較差的問題，以表面粗糙度為優(yōu)化目標(biāo)，開展了不同切削用量和刀具形狀的切削實(shí)驗(yàn)，得到不同參數(shù)組合條件下最小的表面粗糙度。然而，這些關(guān)于SiCp/Al 復(fù)合材料的研究并沒有涉及功率損耗的問題。針對(duì)SiCp/Al 復(fù)合材料切削時(shí)所面臨的問題，本文作者提出一種基于加工質(zhì)量和可持續(xù)性的多目標(biāo)優(yōu)化方法。表面粗糙度是目前廣泛用于評(píng)價(jià)產(chǎn)品質(zhì)量的指標(biāo)，能源消耗是可持續(xù)性的重要因素之一，因此，選定切削過程中的功率系數(shù)和表面粗糙度作為衡量可持續(xù)性和加工質(zhì)量的指標(biāo)，以最小表面粗糙度和最大功率系數(shù)作為目標(biāo)，利用多響應(yīng)權(quán)重因子的灰色關(guān)聯(lián)法，對(duì)切削參數(shù)進(jìn)行優(yōu)化。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 流程設(shè)計(jì)

實(shí)驗(yàn)設(shè)計(jì)及參數(shù)優(yōu)化的流程如圖1所示。根據(jù)現(xiàn)有的研究結(jié)果，對(duì)實(shí)驗(yàn)參數(shù)和設(shè)備進(jìn)行選擇，通過調(diào)整實(shí)驗(yàn)數(shù)據(jù)的處理方式，建立符合擬合精度要求的多目標(biāo)優(yōu)化模型。

圖1 多目標(biāo)優(yōu)化流程圖Fig.1 Flowchart of multi-objective optimization

1.2 切削參數(shù)的選擇

根據(jù)文獻(xiàn)[19-20]，切削用量和刀具形狀都會(huì)影響加工質(zhì)量和加工效率，進(jìn)而影響加工能耗，因此，本文以刀尖圓弧半徑(因素A，mm)、切削深度(因素B，mm)、進(jìn)給量(因素C，mm/r)、切削速度(因素D，m/min)和刀具主偏角(因素E，(°))作為優(yōu)化參數(shù)，并使用田口法設(shè)計(jì)一組正交實(shí)驗(yàn)方案，該方法能夠以最少的實(shí)驗(yàn)次數(shù)快速尋找到最佳的切削參數(shù)組合。實(shí)驗(yàn)因素及水平如表1 所示，正交試驗(yàn)如表2所示。

1.3 實(shí)驗(yàn)設(shè)備和材料

切削實(shí)驗(yàn)所用的設(shè)備為數(shù)控機(jī)床LG Mazak CNC、聚晶金剛石刀片(PCD)和2020K11 的刀桿，實(shí)驗(yàn)材料為SiC 顆粒體積分?jǐn)?shù)為45%的SiCp/Al 復(fù)合材料。

1.4 數(shù)據(jù)收集及處理

在機(jī)械加工過程中，功率消耗主要源于機(jī)床的待機(jī)功率、空轉(zhuǎn)功率和切削材料所消耗的功率[21-22]。切削材料的功率可考慮由主運(yùn)動(dòng)功率和進(jìn)給運(yùn)動(dòng)功率組成[23]。

表1 因素及水平Table 1 Factors and levels

表2 正交試驗(yàn)設(shè)計(jì)Table 2 Orthogonal array design

式中：λ為功率系數(shù)；Pm為切削材料消耗的功率；P為實(shí)際測(cè)量功率；Fc為主切削力；Ff為進(jìn)給力；vc為切削速度；vf為進(jìn)給運(yùn)動(dòng)速度。而對(duì)于車削運(yùn)動(dòng)而言，進(jìn)給運(yùn)動(dòng)功率相對(duì)主運(yùn)動(dòng)功率很小，因此，本文忽略進(jìn)給運(yùn)動(dòng)的功率消耗。

利用TR200 粗糙度儀測(cè)量表面粗糙度，Kistler9272 測(cè)力儀測(cè)量切削力，福祿克1 736 功率分析儀測(cè)量每組實(shí)驗(yàn)所消耗的總功率。為了保證實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性，每組實(shí)驗(yàn)參數(shù)下的表面粗糙度和功率測(cè)量3次，取平均值，得到的實(shí)驗(yàn)結(jié)果如表3 所示。利用式(1)和式(2)計(jì)算出不同實(shí)驗(yàn)條件下的功率系數(shù)，如表4所示。

表3 實(shí)驗(yàn)數(shù)據(jù)Table 3 Experimental data

2 建立多目標(biāo)優(yōu)化數(shù)學(xué)模型

2.1 灰色關(guān)聯(lián)分析

灰色系統(tǒng)理論是一種通過從現(xiàn)有數(shù)據(jù)中生成、挖掘和提取有用信息來研究具有部分已知信息不確定系統(tǒng)的方法?？紤]總體的優(yōu)化效果，本文使用灰色關(guān)聯(lián)分析(grey relational analysis，GRA)將多響應(yīng)優(yōu)化模型轉(zhuǎn)換成單一響應(yīng)的灰色關(guān)聯(lián)等級(jí)。

由于表面粗糙度和功率系數(shù)的單位不統(tǒng)一，首先需要實(shí)現(xiàn)2個(gè)優(yōu)化目標(biāo)的量綱一化。本文采用區(qū)間化數(shù)據(jù)處理方式對(duì)原始數(shù)據(jù)進(jìn)行量綱一化處理。表面粗糙度的區(qū)間化數(shù)據(jù)處理是基于望小目標(biāo)，使用式(3)進(jìn)行量綱一化。功率系數(shù)區(qū)間化數(shù)據(jù)處理是基于望大目標(biāo)，使用式(4)進(jìn)行量綱一化。

然后，根據(jù)式(5)和(6)計(jì)算各偏移序列和灰色關(guān)聯(lián)系數(shù)。

式中：i=1，2，…，n，n為實(shí)驗(yàn)次數(shù)，本文取n=16；k為因變量的數(shù)量，k=1，2，…，m，m為因變量的個(gè)數(shù)，本文取m=2；為比較序列；為參考序列，為偏移序列；ξi(k)為灰色關(guān)聯(lián)系數(shù)；Δmax=max{Δ0i(k)}；Δmin=min{Δ0i(k)}；ρ為 區(qū) 分 系 數(shù) ，取 值 范 圍 為0 ≤ρ≤ 1，通常取值為0.5。

對(duì)于第1組實(shí)驗(yàn)來說，表面粗糙度和功率系數(shù)的關(guān)聯(lián)度計(jì)算過程如下：

取2個(gè)優(yōu)化目標(biāo)權(quán)重相同，各占50%，則灰色關(guān)聯(lián)度(FGRG)為0.555 0。不同實(shí)驗(yàn)條件下灰色關(guān)聯(lián)度計(jì)算結(jié)果如表5 所示。根據(jù)灰色關(guān)聯(lián)法的意義，灰色關(guān)聯(lián)度越大，說明該組獲得的優(yōu)化目標(biāo)值越好。根據(jù)表5 可知：第3 組實(shí)驗(yàn)灰色關(guān)聯(lián)度最小，表明該組表面粗糙度和功率系數(shù)的綜合優(yōu)化性能較差；而根據(jù)表3和表4可知，該組表面粗糙度為1.557 μm，在16 組數(shù)據(jù)排第14 位，功率系數(shù)為5.608%，在16 組數(shù)據(jù)中排第6 位。第16 組實(shí)驗(yàn)數(shù)據(jù)灰色關(guān)聯(lián)度最大，表明此時(shí)表面粗糙度和功率系數(shù)的綜合優(yōu)化性能較好；根據(jù)表3 和表4 可知，該組表面粗糙度為0.556 μm，在16 組數(shù)據(jù)排第1位，但其功率系數(shù)為3.755%，在16 組數(shù)據(jù)中排第11位，這表明第16組實(shí)驗(yàn)并不能作為優(yōu)化的結(jié)果，需要進(jìn)一步預(yù)測(cè)其他實(shí)驗(yàn)組合的結(jié)果。

表4 不同實(shí)驗(yàn)條件下的功率系數(shù)Table 4 Power factor at different experiment conditions

表5 不同實(shí)驗(yàn)條件下灰色關(guān)聯(lián)度計(jì)算結(jié)果Table 5 Calculation results of gray relational grade at different experimental conditions

2.2 最佳切削參數(shù)組合的預(yù)測(cè)

鑒于上述分析并沒有找到期望的優(yōu)化結(jié)果，下面進(jìn)一步利用田口法和建立多目標(biāo)優(yōu)化模型的方法對(duì)最優(yōu)切削參數(shù)進(jìn)行預(yù)測(cè)。

利用田口法對(duì)各因素各水平下的灰色關(guān)聯(lián)度均值進(jìn)行分析，分析結(jié)果見表6。從表6 可知：刀尖圓弧半徑rε(因素A)在水平4(0.8 mm)時(shí)的灰色關(guān)聯(lián)度最大，為0.602 6；切削深度ap(因素B)在水平4(0.25 mm)時(shí)的灰色關(guān)聯(lián)度最大，為0.651 5；進(jìn)給量f(因素C)在水平1(0.02 mm/r)時(shí)的灰色關(guān)聯(lián)度最大，為0.620 9；切削速度vc(因素D)在水平4(300 m/min)時(shí)的灰色關(guān)聯(lián)度最大，為0.631 1，刀具主偏角kr(因素E)在水平1(62.5°)時(shí)的灰色關(guān)聯(lián)度最大，為0.610 0?？梢姡涸贏4B4C1D4E1的切削條件下，理論上能夠取得最大的灰色關(guān)聯(lián)度，也就是說，能夠使表面粗糙度和功率系數(shù)的綜合性能最好。

表6 灰色關(guān)聯(lián)度在各因素各水平的均值Table 6 Mean values of gray relational grade at all levels of each factor

為了準(zhǔn)確地預(yù)測(cè)最優(yōu)的切削參數(shù)，找到1個(gè)全局最優(yōu)解，需要進(jìn)一步建立灰色關(guān)聯(lián)度與輸入變量之間的關(guān)系。采用偏最小二乘法建立回歸模型?；诒?和表5的數(shù)據(jù)，建立灰色關(guān)聯(lián)度FGRG的數(shù)學(xué)模型，如式(10)所示。

為了驗(yàn)證式(10)在切削參數(shù)優(yōu)化時(shí)的準(zhǔn)確性，將16 組正交實(shí)驗(yàn)數(shù)據(jù)代入式(10)，并計(jì)算相對(duì)誤差，計(jì)算結(jié)果如表7所示。由表7可見：灰色關(guān)聯(lián)度的預(yù)測(cè)值與實(shí)際計(jì)算值的平均相對(duì)誤差在5%以內(nèi)，這表明該模型能夠較好地預(yù)測(cè)切削參數(shù)與灰色關(guān)聯(lián)度系數(shù)之間的關(guān)系。為了進(jìn)一步驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確性，對(duì)該模型進(jìn)行方差分析，結(jié)果如表8所示，其中，R2為模型的相關(guān)系數(shù)，R2越大表示數(shù)據(jù)的相關(guān)性越強(qiáng)，模型的準(zhǔn)確度越高。由表8可見：該模型的R2為0.946，說明模型具有較高的準(zhǔn)確性。該模型所得結(jié)果與實(shí)驗(yàn)結(jié)果具有良好的相容性。因此，基于田口方法和灰色關(guān)聯(lián)分析的多響應(yīng)優(yōu)化回歸模型可作為預(yù)測(cè)模型。

表7 灰色關(guān)聯(lián)度的預(yù)測(cè)值與擬合值及其相對(duì)誤差Table 7 Predicted and fitted values of gray relational grade and relative error

3 結(jié)果與分析

3.1 主效應(yīng)圖分析

利用主效應(yīng)分析法來確定各因素對(duì)功率系數(shù)、表面粗糙度和多目標(biāo)函數(shù)的顯著性影響，結(jié)果分別如圖2～4所示。

由圖2可以看出：切削深度和進(jìn)給量對(duì)功率系數(shù)的影響最大，其次是切削速度和刀具主偏角，刀尖圓弧半徑對(duì)功率系數(shù)的影響不顯著。切削深度和進(jìn)給量的增加會(huì)使切削過程中消耗的功率增加，即有功功率在總功率中所占的比例增大，功率系數(shù)變大。切削速度增大時(shí)會(huì)使切削力減小，根據(jù)上文切削材料所消耗功率的計(jì)算方法可知，當(dāng)切削速度增大幅值小于切削力減小幅值時(shí)，切削功率會(huì)下降，功率系數(shù)減小；當(dāng)切削速度增大幅值大于切削力的減小幅值時(shí)，切削功率上升，功率系數(shù)增大，因此，切削速度對(duì)功率系數(shù)的影響曲線會(huì)出現(xiàn)拐點(diǎn)。刀具主偏角會(huì)影響切削分力的比例關(guān)系，增大刀具主偏角，會(huì)使主切削力減小，進(jìn)給力增大。由于在計(jì)算切削功率時(shí)忽略了進(jìn)給功率，因此，在開始時(shí)，功率系數(shù)隨著主偏角增大而減小，隨著刀具主偏角的進(jìn)一步增大，切削刃上的負(fù)荷隨之增大，切削功率增大，因而功率系數(shù)變大。實(shí)驗(yàn)中所測(cè)量的切削力的變化印證了這一結(jié)論。

表8 預(yù)測(cè)模型的方差分析結(jié)果Table 8 ANOVA results for the prediction model

圖2 切削參數(shù)對(duì)功率系數(shù)的主效應(yīng)分析圖Fig.2 Main effect plot of cutting parameters to power factor

圖3 切削參數(shù)對(duì)表面粗糙度的主效應(yīng)分析圖Fig.3 Main effect plot of cutting parameters to surface roughness

圖4 切削參數(shù)對(duì)多目標(biāo)函數(shù)的主效應(yīng)分析圖Fig.4 Main effect plot of cutting parameters to multi-objective function

由圖3可以看出：對(duì)表面粗糙度影響最大的是進(jìn)給量，其次是刀尖圓弧半徑和刀具主偏角，切削深度和切削速度對(duì)表面粗糙度的影響較小。在切削加工過程中，刀具相對(duì)于工件做進(jìn)給運(yùn)動(dòng)，在被加工表面殘留的面積越大，所得的表面將越粗糙，增大進(jìn)給量和刀具主偏角、減小刀尖圓弧半徑都會(huì)使殘留的面積變大，從而降低加工質(zhì)量。但在選擇進(jìn)給量和刀尖圓弧時(shí)應(yīng)該注意，過小的進(jìn)給量會(huì)使生產(chǎn)率呈比例減低，而且過小的進(jìn)給量會(huì)造成薄層切削，激起振動(dòng)。在高速切削過程中，當(dāng)切削深度增加時(shí)，單位時(shí)間內(nèi)材料去除體積變大，切削力也隨之增加，對(duì)整個(gè)加工系統(tǒng)沖擊作用變大，導(dǎo)致工件的表面質(zhì)量變差；在小切削深度和大切削深度時(shí)，表面粗糙度出現(xiàn)了小范圍的波動(dòng)，這主要是切削系統(tǒng)機(jī)床的振動(dòng)引起的。在一定范圍內(nèi)，隨著切削速度的提高，表面粗糙度減小，但當(dāng)切削深度增大到一定程度時(shí)，表面粗糙度有所上升。這是因?yàn)殡S著切削速度升高，產(chǎn)生的總切削熱增大，但大部分被切屑帶走，切削區(qū)表面溫升不大，并不會(huì)使表面質(zhì)量減低。但隨著切削速度進(jìn)一步升高，切屑與刀具的摩擦熱增大，刀具前刀面和后刀面磨損加劇，而且較高的溫度會(huì)降低碳化硅顆粒與鋁基體的結(jié)合力，導(dǎo)致加工表面質(zhì)量降低。

由圖4 可以看出：切削深度對(duì)多目標(biāo)函數(shù)(表面粗糙度和功率系數(shù))的影響較大。進(jìn)給量、切削速度、刀具主偏角和刀尖圓弧半徑對(duì)多目標(biāo)函數(shù)的影響程度依次減弱，刀尖圓弧半徑的影響最小。

3.2 優(yōu)化結(jié)果與實(shí)驗(yàn)驗(yàn)證

以min(-FGRG)為目標(biāo)函數(shù)，利用MATLAB優(yōu)化工具箱中的遺傳算法(GA)對(duì)回歸模型進(jìn)行優(yōu)化求解。求解的迭代過程如圖5所示，得到的最優(yōu)參數(shù)組合為：rε=0.8 mm，ap=0.25mm，f=0.12 mm/r，vc=299.87 m/min，kr=62.5°，對(duì)應(yīng)的FGRG最優(yōu)解為0.907 937。由圖5 可知：迭代過程一直趨于收斂，在遺傳到第90 代后過程開始趨向平穩(wěn)且最后穩(wěn)定在固定值。

圖5 遺傳算法迭代過程圖Fig.5 GA generations process diagram

為了驗(yàn)證優(yōu)化結(jié)果的準(zhǔn)確性，進(jìn)行實(shí)驗(yàn)驗(yàn)證。將田口法優(yōu)化和回歸模型優(yōu)化的結(jié)果與正交實(shí)驗(yàn)的最優(yōu)組(16 組)進(jìn)行對(duì)比，如表9 所示。由表9 可以看出：與正交實(shí)驗(yàn)的最優(yōu)參數(shù)組合相比，2種優(yōu)化方法得到的功率系數(shù)和表面質(zhì)量有顯著提高，并且回歸模型的優(yōu)化結(jié)果更佳，說明這種回歸方程較田口法更適合于切削參數(shù)優(yōu)化。

3.3 比較分析

由于研究?jī)?nèi)容和目標(biāo)的差異性，本研究結(jié)果與現(xiàn)有文獻(xiàn)的研究結(jié)果略有差異。BILGA 等[24]利用田口法和方差分析法在車削加工過程中對(duì)功率系數(shù)及能源效率進(jìn)行優(yōu)化，但采用的材料是EN353 合金鋼，結(jié)果表明切削深度對(duì)功率系數(shù)的影響最顯著，然后是進(jìn)給量和進(jìn)給速度，刀尖圓弧半徑對(duì)功率系數(shù)的影響不大，本研究切削參數(shù)對(duì)功率系數(shù)的影響與之相同。 然而，CAMPOSECO-NEGRETE[3]以 AISI 6061 T6 材料為研究對(duì)象，發(fā)現(xiàn)進(jìn)給量是影響總功耗的最大因素，切削速度是影響最小的參數(shù)。KANT等[25]提出進(jìn)給量是影響功耗和表面粗糙度最重要的因素，切削速度是最不重要的因素。這些差異的產(chǎn)生說明切削參數(shù)對(duì)功率系數(shù)與功率消耗的影響是不同的，文獻(xiàn)[24]也證實(shí)了這一點(diǎn)。

表9 優(yōu)化切削參數(shù)下的實(shí)驗(yàn)結(jié)果對(duì)比Table 9 Comparison of experimental results at optimum cutting parameters

SARIKAYA等[26]用最小二乘擬合建立了數(shù)學(xué)模型，發(fā)現(xiàn)灰色關(guān)聯(lián)度實(shí)驗(yàn)值與預(yù)測(cè)值之間的平均相對(duì)誤差為2.72%～7.14%。本文灰色關(guān)聯(lián)度的實(shí)驗(yàn)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的平均相對(duì)誤差為2.48%，與文獻(xiàn)[26]中結(jié)果基本一致。

4 結(jié)論

1)提出了基于最大功率系數(shù)和最小表面粗糙度的SiCp/Al復(fù)合材料切削參數(shù)多目標(biāo)優(yōu)化及預(yù)測(cè)模型。

2)通過對(duì)模型的求解得到切削的最優(yōu)參數(shù)組合如下：刀尖圓弧半徑為0.8 mm，切削深度為0.25 mm，進(jìn)給量為0.12 mm/r，進(jìn)給速度為299.87 m/min，刀具主偏角為62.5°，并通過實(shí)驗(yàn)驗(yàn)證了這一結(jié)果。

3)利用主效應(yīng)分析法來確定加工參數(shù)對(duì)功率系數(shù)、表面粗糙度和多目標(biāo)函數(shù)的影響，發(fā)現(xiàn)切削深度對(duì)多目標(biāo)函數(shù)的影響較大，其次是進(jìn)給量、切削速度和刀具主偏角，刀尖圓弧半徑的影響最小。