Study on Recast Layer Thickness of Microstructures Machined in micro-EDM with Different Electrodes
Notice bibliographique
Résumé
Abstract Functional-surface microstructures are widely used in industrial practice. During the fabrication of microstructures in micro-electrical discharge machining (micro-EDM), the thermal and physical characteristics of both workpieces and electrode materials at room temperature and high temperatures have an important influence on surface quality and distribution of recast layer. In order to study the influence of different electrode material characteristics on the surface integrity of microstructures machined using micro-EDM, red copper, brass, copper-tungsten and tungsten electrode were used to perform micro-EDM on both Ti-6Al-4V alloy and 304 stainless steel. In the experiment, electrode with groove arrays featuring high copying accuracy and surface quality was designed to carry out powder mixed electrical discharge machining (PMEDM) on Ti-6Al-4V alloy, and the machining results were evaluated based on four indicators: microstructure morphology, tool electrode wear (TEW), material removal rate (MRR), and recast layer thickness (RLT). Simultaneously, the surface morphology and recast layer thickness changes of 304 stainless steel workpieces machined using the above four types of electrodes, using both normal polarity and negative polarity micro-EDM were quantitatively analyzed. The results showed that copper-tungsten electrode is recommended to machine Ti-6Al-4V alloy because it has a smaller TEW (139 µm), the highest MRR (255.39 mm3/min), and a thinner recast layer thickness (3.35 µm). This was followed by copper electrode, which featured good machining performance and machinability. When machining 304 stainless steel with negative polarity, the TEW of copper electrode and tungsten electrode was the smallest, and the thickness of recast layer was able to be effectively reduced to about 3 µm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».