Прогнозирование шероховатости поверхности, обработанной проволочно-электрическим искровым методом, для гибридных нанокомпозитов C355/нитрид кремния/графен с использованием моделирования, статистики и машинного обучения

Почему более гладкие металлические поверхности важны

От авиационных двигателей до медицинских имплантатов — многие критические детали изготавливаются из прочных металлических сплавов, которые должны выдерживать высокие температуры, износ и механические нагрузки. Если результирующая поверхность после обработки слишком шероховата, такие детали могут выходить из строя раньше, терять энергоэффективность или неправильно стыковаться с другими компонентами. В этом исследовании рассматривается современный метод резки, использующий микроскопические искры вместо лезвий, применённый к новому типу алюминия, армированного наночастицами, и показано, как продвинутые компьютерные модели могут предсказывать и улучшать гладкость получаемой поверхности.

Создание более прочного и лёгкого металла

Исследователи начали с алюминиевого сплава C355, ценимого в авиа- и автопроме за прочность и способность сохранять её при высоких температурах. Чтобы ещё больше повысить характеристики, сплав превратили в «гибридный нанокомпозит», введя два разных типа микроскопических упрочняющих добавок: частицы нитрида кремния и графеновые нанопластинки. Нитрид кремния — твёрдая керамика, повышающая износостойкость и термическую стабильность, тогда как графен обеспечивает высокую прочность, жёсткость и теплопроводность при очень небольшом добавочном весе. С помощью тщательно контролируемого процесса мешально-литейной обработки расплавили сплав, создали вихрь механическим мешалкой и постепенно вводили предварительно нагретые наночастицы, чтобы они равномерно распределились до застывания металла в литейных формах.

Резка металла с управляемыми искрами

Вместо традиционной фрезерной или токарной обработки, где металл срезается инструментом, команда использовала проволочно-электрическую искровую обработку (WEDM). При этом процессе тонкая проволока проходит вблизи заготовки, не касаясь её. Повторяющиеся электрические импульсы создают искры в узкой щели, вызывая интенсивный локальный нагрев, который плавит и испаряет небольшие участки металла. Деионизированная вода вымывает продукты разрушения и охлаждает поверхность. Поскольку при этом не возникает механической силы резания, WEDM особенно подходит для твёрдых, хрупких или высокоточных деталей. В исследовании учёные варьировали ключевые параметры: длительность импульса включения и выключения, пиковый ток, напряжение, определяющее зазор искры, и скорость подачи проволоки. Для каждой комбинации настроек они измеряли полученную шероховатость поверхности гибридного нанокомпозита.

Тщательное изучение обработанных поверхностей

Помимо числовых показателей шероховатости, команда исследовала обработанные поверхности с помощью высокоразрешающей электронной микроскопии. Они наблюдали такие элементы, как кратеры, микротрещины, глобулы переплавленного металла и тёмные участки, связанные с захваченным газом и неполным промывом. При использовании стандартной медной проволоки поверхность демонстрировала ямки и неравномерные слои повторного затвердевания. При использовании инструмента из самого нанокомпозита формировался глобулярный перекастовый слой по всей поверхности с множеством мелких переплавленных зон. Эти микроскопические детали помогают объяснить, почему одни режимы WEDM дают более грубые или более гладкие результаты и как присутствие нитрида кремния и графена меняет поведение поверхности при интенсивном нагреве от искр.

Обучение компьютеров предсказывать качество поверхности

Проведение большого числа опытов по обработке дорого и занимает много времени, поэтому исследователи создали компьютерные модели, способные предсказывать шероховатость поверхности по настройкам WEDM. Они сравнили три подхода: традиционный статистический метод — метод поверхности отклика; искусственную нейронную сеть, имитирующую обучение биологических нейронов; и регрессию опорных векторов, метод машинного обучения, находящий наилучшее аппроксимирующее правило в сложных данных. Используя план из 27 экспериментов, они обучали и тестировали каждую модель. Все три улавливали общие тенденции, но регрессия опорных векторов показала наивысшую точность и стабильность прогнозов, с чрезвычайно высокой корреляцией с реальными измерениями и очень малой ошибкой. Статистический анализ также показал, что пиковый ток и время импульса включения — самые влиятельные параметры для контроля шероховатости, тогда как скорость подачи и напряжение имеют менее значительное влияние.

Что это означает для промышленного производства

В практическом смысле работа демонстрирует, что производители, использующие передовые алюминиевые нанокомпозиты, могут опираться на интеллектуальные модели при выборе параметров WEDM, чтобы получать более гладкие и надёжные поверхности без бесконечных проб и ошибок. Комбинируя тщательно разработанный материал с инструментами предсказательного анализа, инженеры могут сократить время разработки, снизить затраты на обработку и уменьшить риск отказов деталей. Ключевая мысль исследования для неспециалистов — более умелое применение искр и алгоритмов может сделать будущие самолёты, автомобили, медицинские приборы и энергетические системы легче и надёжнее.

Цитирование: Vellingiri, S., Tata, R.K., Manne, S. et al. Predicting wire electrical discharge machined surface roughness of C355/silicon nitride/graphene hybrid nanocomposites using simulation, statistical and machine learning techniques. Sci Rep 16, 11314 (2026). https://doi.org/10.1038/s41598-026-41376-8

Ключевые слова: проволочно-электрическое искровое микрообрабатывание, алюминиевые нанокомпозиты, шероховатость поверхности, машинное обучение в производстве, армирование графеном и нитридом кремния