Parametric optimization and surface characterization of wire electrical discharge machining process

Spedding, Trevor A; Wang, Z Q

doi:10.1016/s0141-6359(97)00003-2

Cited by 131 publications

(65 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…With the same objective, Dastagiri and Kumar [30] selected a 2 3 factorial design with three center points and developed a mathematical model to predict MRR, average surface roughness and hardness using input parameters, such as current intensity, voltage, pulse time and duty factor. In the same way, Barenji et al [17] used a full factorial design including 32 experiments to determine the effects of some process parameters on MRR and TWR, and Spedding et al [31] selected a central composite experimental design for modelling the wire EDM process of an AISI 420 workpiece with a brass electrode.…”

Section: Introductionmentioning

confidence: 99%

Analytical Modelling of Energy Density and Optimization of the EDM Machining Parameters of Inconel 600

Salcedo

Puertas

Pérez

2017

Metals

View full text Add to dashboard Cite

Abstract:In this present research work, a new modelling of energy density in EDM (Electrical Discharge Machining) is proposed. Energy density can be defined as the amount of energy needed to get a unit volume of material removed, and for its modelling, the whole EDM process has been taken into account. This new definition lets us quantify the energy density that is being absorbed by the workpiece and the electrode. Results are compared to those obtained by die sinking EDM in an Inconel ® 600 alloy using Cu-C electrodes. Currently, this material is of great interest for industrial applications in the nuclear, aeronautical and chemical sectors, due to their combinations of good mechanical properties, corrosion resistance and extreme hardness at very high temperatures. The experimental results confirm that the use of negative polarity leads to a higher material removal rate, higher electrode wear and higher surface roughness. Moreover, the optimal condition to obtain a maximum MRR (Material Removal Rate) of 30.49 mm 3 /min was: 8 A, 100 µs and 0.6, respectively, for the current intensity, pulse time and duty cycle.

show abstract

Section: Introductionmentioning

confidence: 99%

Analytical Modelling of Energy Density and Optimization of the EDM Machining Parameters of Inconel 600

Salcedo

Puertas

Pérez

2017

Metals

View full text Add to dashboard Cite

show abstract

“…В работах [11,[13][14][15][16][17][18][19][20] пока-зано, что значение шероховатости Ra (мкм) обработанной поверхности обратно пропорционально скважности импульсов. При увеличении времени включения импульсов t on (мкс) и снижении времени выключе-ния импульсов t off (мкс) увеличивается значение шероховатости обра-ботанной поверхности.…”

Section: Influence Of Voltage and Wire Speed On Forming The Machined unclassified

Influence of Voltage and Wire Speed on Forming the Machined Surface Roughness During Wire Electrical Discharge Machining

Anikeev¹,

Абляз²

2016

PNIPU

View full text Add to dashboard Cite

ЭЛЕКТРОЭРОЗИОННОЙ ОБРАБОТКЕОбъектом исследования является процесс формирования шероховатости обработан-ной поверхности при проволочно-вырезной электроэрозионной обработке (ПВЭЭО). Шерохо-ватость обработанной поверхности при ПВЭЭО зависит от множества факторов: свойств рабо-чей жидкости, свойств обрабатываемого материала, свойств электрода-проволоки, парамет-ров импульса (время включения и выключения импульса, напряжение в зазоре, сила тока и др.), скорости смотки проволоки, высоты обрабатываемой заготовки и др. Принимая во вни-мание множество факторов ПВЭЭО, влияющих на формирование шероховатости обработан-ной поверхности, для анализа взаимосвязи целесообразно применять методику планирования эксперимента. Целью работы является экспериментальное исследование влияния напряжения и скорости смотки электрода-проволоки на формирование шероховатости обработанной по-верхности при проволочно-вырезной электроэрозионной обработке. Экспериментальное ис-следование проводится по методу полного факторного эксперимента. В качестве основных факторов для проведения эксперимента выбраны скорость смотки электрода-проволоки (м/мин) и напряжение в зазоре (В). В работе показано, что при увеличении напряжения U при обработке титана марки ВТ3 и стали марки 09Г2С шероховатость обработанной поверхности Ra (мкм) увеличивается. Установлено, что при увеличении напряжения U при обработке алю-миния и стали марки 40ХН2М2 шероховатость обработанной поверхности Ra (мкм) уменьша-ется. При увеличении скорости смотки проволоки v (м\мин) при обработке алюминия и титана марки Вт3 шероховатость обработанной поверхности Ra (мкм) уменьшается в малых диапазо-нах. Определено, что исследуемый параметр -скорость подачи проволоки v (м\мин) -при об-работке сталей марок 09Г2С и 40ХН2МА не оказывает существенного влияния на формирова-ние шероховатости обработанной поверхности.Ключевые слова: прoвoлoчнo-выpезнaя элeктрoэрoзиoнная oбрабoтка, электрод-прово-лока, шероховатость, качество, факторный эксперимент, регрессионный анализ, эмпирическая модель, зависимость, напряжение, импульс, режимы обработки.

show abstract

“…Puri et al [6] made an attempt to model the white layer depth through response surface methodology. Tarang et al [10] used feed forward neural network approach to determine the optimal cutting parameters while machining SUS-304 stainless steel in WEDM. Speeding et al [10] performed the modeling process through response surface methodology and artificial neural networks.…”

Section: Introductionmentioning

confidence: 99%

“…Tarang et al [10] used feed forward neural network approach to determine the optimal cutting parameters while machining SUS-304 stainless steel in WEDM. Speeding et al [10] performed the modeling process through response surface methodology and artificial neural networks. A response surface model based on a central composite rotatable experimental design, and 4-16-3 size back propagation neural networks have been developed.…”

Section: Introductionmentioning

confidence: 99%

“…A response surface model based on a central composite rotatable experimental design, and 4-16-3 size back propagation neural networks have been developed. Speeding et al [10] performed the modeling process through response surface methodology and artificial neural networks. A response surface model based on a central composite rotatable experimental design, and 4-16-3 size back propagation neural networks have been developed.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Influence of Process Parameters on Wire EDM Process for AISI 316 Stainless Steel

Padmavathi¹,

I.²,

Solomon³

et al. 2018

IJERT

View full text Add to dashboard Cite

-The optimization of wire electrical discharge machining (WEDM) parameters for AISI 316 stainless steel using Taguchi's robust design approach is proposed. Experimentation is planned as per Taguchi's L27 orthogonal array. Each experiment has to be performed under different process parameters of pulse on time, pulse off time, pulse peak current, wire tension and wire feed rate. Two responses namely material removal rate and surface roughness (Ra) were considered for each experiment. The optimum machining parameter combination is obtained by using the analysis of signal-to-noise (S/N) ratio. The level of importance of the machining parameters on the material removal rate and surface roughness is determined by using analysis of variance (ANOVA).

show abstract

Parametric optimization and surface characterization of wire electrical discharge machining process

Cited by 131 publications

References 13 publications

Analytical Modelling of Energy Density and Optimization of the EDM Machining Parameters of Inconel 600

Analytical Modelling of Energy Density and Optimization of the EDM Machining Parameters of Inconel 600

Influence of Voltage and Wire Speed on Forming the Machined Surface Roughness During Wire Electrical Discharge Machining

Influence of Process Parameters on Wire EDM Process for AISI 316 Stainless Steel

Contact Info

Product

Resources

About