C60微量润滑铣削GH4169切削力预测及工艺参数优化

doi:10.3969/j.issn.1004-132X.2026.07.004

摘要/Abstract

摘要：

镍基高温合金在航空航天等领域应用广泛，但加工时刀具磨损严重、切削力大且效率低，传统润滑技术难以改善切削性能。针对上述问题，引入C60纳米流体切削液改善切削区润滑条件，降低刀-工界面摩擦并抑制热积累。构建考虑纳米流体摩擦特性和冷却效果的切削力建模方法，结合斜角切削理论、镜像热源法与Johnson-Cook本构方程计算切削力。铣削实验结果显示，该模型能量化纳米流体润滑下摩擦与冷却的协同作用，预测切削力平均误差为6.73%，纳米流体润滑下切削合力峰值较常规切削液降低19.6%。进一步提出基于Pareto最优解的粒子群优化算法多目标优化策略，构建加工效率与切削力的多目标评价体系，优化工艺参数后，切削合力减小了5.7%，加工效率提高了36.33%。

关键词: C60, 纳米流体, 切削力预测, 粒子群优化

Abstract:

Nickel-based superalloys were widely used in aerospace and other fields. However， significant challenges were in machining， including severe tool wear， poor surface integrity， and low processing efficiency， which could not be effectively mitigated by conventional lubrication techniques. To address these issues， C60 nanofluid cutting fluid was introduced to enhance lubrication at the tool-workpiece interfaces， thereby reducing friction and suppressing heat accumulation. A novel cutting force modeling approach was developed， incorporating the tribological properties and cooling effects of nanofluids. The model integrated oblique cutting theory， mirror heat source method， and Johnson-Cook constitutive equation to calculate cutting forces. Experimental results demonstrate that the proposed model accurately quantifies the synergistic effects of friction reduction and cooling enhancement under nanofluid lubrication， achieving an average prediction error of 6.73% for cutting forces. Notably， the cutting force peak is reduced by 19.6% under nanofluid lubrication compared to conventional cutting fluids. Furthermore， a multi-objective optimization strategy was proposed based on Pareto optimality and PSO. A comprehensive evaluation system was established considering machining efficiency and cutting forces. Optimization results show that the cutting force decreases by 5.7%， while machining efficiency increases by 36.33% after parameter optimization.

Key words: C60, nanofluid, cutting force prediction, particle swarm optimization（PSO）

中图分类号:

TG54

潘志榕, 孙浩, 姚斌, 蔡志钦, 蓝启鑫, 张金辉. C60微量润滑铣削GH4169切削力预测及工艺参数优化[J]. 中国机械工程, 2026, 37(7): 1562-1571.

PAN Zhirong, SUN Hao, YAO Bin, CAI Zhiqin, LAN Qixin, ZHANG Jinhui. Prediction of Cutting Forces and Processing Parameter Optimization in C60 Minimum Quantity Lubrication Milling of GH4169[J]. China Mechanical Engineering, 2026, 37(7): 1562-1571.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.07.004

https://www.cmemo.org.cn/CN/Y2026/V37/I7/1562

图/表 18

图1 整体立铣刀示意图

Fig.1 Schematic diagram of overall end milling cutter

图2 未变形切屑厚度示意图

Fig.2 Schematic diagram of undeformed chip thickness

图3 斜角切削示意图

Fig.3 Schematic diagram of oblique cutting

图4 剪切热源示意图

Fig.4 Schematic diagram of shear heat source

图5 第二变形区摩擦热源示意图

Fig.5 Schematic diagram of friction heat source in the second deformation zone

图6 散热源示意图

Fig.6 Schematic diagram of heat dissipation source

图7 铣削实验平台

Fig.7 Milling test platform

表1 铣削镍基高温合金实验参数

Tab.1 Experimental parameters for milling nickel based high-temperature alloys

铣削加工参数	数值
切削速度 $v c$ /（m·min^-1）	40，60，80，100
每齿进给量 $f z$ /mm	0.02，0.04，0.06，0.08
轴向切深 $a p$ /mm	0.1，0.2，0.3，0.4
径向切深 $a e$ /mm	1，2，3，4

表1 铣削镍基高温合金实验参数

Tab.1 Experimental parameters for milling nickel based high-temperature alloys

铣削加工参数	数值
切削速度 $v c$ /（m·min^-1）	40，60，80，100
每齿进给量 $f z$ /mm	0.02，0.04，0.06，0.08
轴向切深 $a p$ /mm	0.1，0.2，0.3，0.4
径向切深 $a e$ /mm	1，2，3，4

表2 镍基高温合金GH4169物理参数［26］

Tab.2 Physical parameters of nickel based high-temperature alloy GH4169［26］

参数	数值
A/MPa	1290
B/MPa	895
C	0.016
m	1.55
n	0.526
密度/（g·cm^-3）	8.24
热导率/（W·m^-1·K^-1）	11.4

图8 摩擦因数曲线

Fig.8 Friction coefficient curve

图9 不同切削参数下的切削力

Fig.9 Cutting forces under different cutting parameters

图10 不同润滑条件下的切削温度场

Fig.10 Cutting temperature fields under different lubrication conditions

表3 切削温度实测值与预测值的误差

Tab.3 Errors between measured and predicted cutting temperatures

切削工况	实测切削温度/℃	预测切削温度/℃	误差/%
干切削	301.6	286.8	4.9
基础切削液	210.4	192.3	8.6
纳米流体切削液	165.8	152.5	8.0
平均值			7.2

图11 不同润滑条件下的切削力

Fig. 11 Cutting forces under different lubrication conditions

表4 切削力实测值与预测值的误差

Tab.4 Errors between measured and predicted cutting force values

	切削力	实测值/N	预测值/N	误差/%
干切削	$F x$	407.56	390.59	4.17
	$F y$	161.73	155.20	4.04
	$F z$	-145.71	-126.91	12.89
基础切削液	$F x$	313.90	299.30	4.65
	$F y$	146.82	138.23	5.39
	$F z$	-87.62	-80.85	7.72
纳米流体切削液	$F x$	255.26	241.42	5.42
	$F y$	131.01	122.71	6.34
	$F z$	-68.67	-61.83	9.96
平均值				6.73

表4 切削力实测值与预测值的误差

Tab.4 Errors between measured and predicted cutting force values

	切削力	实测值/N	预测值/N	误差/%
干切削	$F x$	407.56	390.59	4.17
	$F y$	161.73	155.20	4.04
	$F z$	-145.71	-126.91	12.89
基础切削液	$F x$	313.90	299.30	4.65
	$F y$	146.82	138.23	5.39
	$F z$	-87.62	-80.85	7.72
纳米流体切削液	$F x$	255.26	241.42	5.42
	$F y$	131.01	122.71	6.34
	$F z$	-68.67	-61.83	9.96
平均值				6.73

图12 PSO算法的Pareto前沿

Fig.12 The Pareto frontier of PSO algorithm

表5 选取的Pareto最优解

Tab.5 The selected Pareto optimal solution

序号	切削速度/（m·min^-1）	每齿进给量/mm	轴向切深/mm	径向切深/mm	切削合力/N	R_MRR/ （mm³·min^-1）
1	100	0.071	0.15	3.43	260.65	581.4
2	100	0.058	0.23	2.84	273.65	602.98
3	100	0.065	0.19	3.15	280.64	622.03
4	96.06	0.070	0.22	2.78	288.52	654.55
5	96.63	0.071	0.28	2.18	290.63	666.5

表6 切削参数优化结果

Tab.6 Optimization results of cutting parameters

	切削合力/N	R_MRR/（mm³·min^-1）
优化前	295.02	458.38
优化后	278.2	624.92

参考文献 26

[1]	钱春华，崔海涛，温卫东. 镍基高温合金GH4169的热机械疲劳行为［J］. 材料研究学报， 2023， 37（2）： 145-151.
	QIAN Chunhua， CUI Haitao， WEN Weidong. Investigation on Thermo-mechanical Fatigue Behavior of GH4169 Alloy［J］. Chinese Journal of Materials Research， 2023， 37（2）： 145-151.
[2]	段练，黄云，邹莱. 机器人砂带磨削GH4169镍基高温合金表面完整性研究［J］. 中国机械工程， 2019， 30（17）： 2044-2050.
	DUAN Lian， HUANG Yun， ZOU Lai. Research on Surface Integrity of GH4169 Nickel-based Superalloys by Robotic Belt Grinding［J］. China Mechanical Engineering， 2019， 30（17）： 2044-2050.
[3]	DARGUSCH M S， SIVARUPAN T， BERMINGHAM M， et al. Challenges in Laser-assisted Milling of Titanium Alloys［J］. International Journal of Extreme Manufacturing， 2021， 3（1）： 015001.
[4]	丁文锋，苗情，李本凯，等. 面向航空发动机的镍基合金磨削技术研究进展［J］. 机械工程学报， 2019， 55（1）： 189-215.
	DING Wenfeng， MIAO Qing， LI Benkai， et al. Review on Grinding Technology of Nickel-based Superalloys Used for Aero-engine［J］. Journal of Mechanical Engineering， 2019， 55（1）： 189-215.
[5]	彭锐涛，彭兴，童佳威，等. 水基混合纳米流体对内冷却磨削性能的影响［J］. 中国机械工程， 2021， 32（13）： 1591-1599.
	PENG Ruitao， PENG Xing， TONG Jiawei， et al. Effects of Water-based Hybrid Nanofluids on Internal Cooling Grinding Performance［J］. China Mechanical Engineering， 2021， 32（13）： 1591-1599.
[6]	WANG Xiaoming， LI Changhe， ZHANG Yanbin， et al. Tribology of Enhanced Turning Using Biolubricants： a Comparative Assessment［J］. Tribology International， 2022， 174： 107766.
[7]	许文昊，李长河，张彦彬，等. 静电雾化微量润滑研究进展与应用［J］. 机械工程学报， 2023， 59（7）： 110-138.
	XU Wenhao， LI Changhe， ZHANG Yanbin， et al. Research Progress and Application of Electrostatic Atomization Minimum Quantity Lubrication［J］. Journal of Mechanical Engineering， 2023， 59（7）： 110-138.
[8]	刘明政，李长河，曹华军，等. 低温微量润滑加工技术研究进展与应用［J］. 中国机械工程， 2022， 33（5）： 529-550.
	LIU Mingzheng， LI Changhe， CAO Huajun， et al. Research Progresses and Applications of CMQL Machining Technology［J］. China Mechanical Engineering， 2022， 33（5）： 529-550.
[9]	BAREWAR S D， KOTWANI A， CHOUGULE S S， et al. Investigating a Novel Ag/ZnO Based Hybrid Nanofluid for Sustainable Machining of Inconel 718 under Nanofluid Based Minimum Quantity Lubrication［J］. Journal of Manufacturing Processes， 2021， 66： 313-324.
[10]	关集俱，高超，徐正亚，等. 多壁碳纳米管/油酸复合物纳米流体车削GCr15钢的性能研究［J］. 中国机械工程， 2022， 33（18）： 2205-2214.
	GUAN Jiju， GAO Chao， XU Zhengya， et al. Study on Turning Performance of GCr15 Steels with Nanofluids Prepared by Composites of MWCNTS and Oleic Acid［J］. China Mechanical Engineering， 2022， 33（18）： 2205-2214.
[11]	柏秀芳，董兰，宋宇翔，等. Al₂O₃/SiO₂混合纳米流体微量润滑铣削润滑性能评价［J］. 制造技术与机床， 2024（10）： 29-34.
	BAI Xiufang， DONG Lan， SONG Yuxiang， et al. Lubrication Performance Evaluation of Al₂O₃/SiO₂ Mixed Nanofluid for Minimum Quantity Lubrication in Milling［J］. Manufacturing Technology & Machine Tool， 2024（10）： 29-34.
[12]	XU T， SHEN W， HUANG W， et al. Fullerene Micro/Nanostructures： Controlled Synthesis and Energy Applications［J］. Materials Today Nano， 2020， 11： 100081.
[13]	ZHELEZNY V， KHLIYEVA O， LUKIANOV M， et al. Тhermodynamic Properties of Isobutane/Mineral Compressor Oil and Isobutane/Mineral Compressor Oil/Fullerenes C60 Solutions［J］. International Journal of Refrigeration， 2019， 106： 153-162.
[14]	黄景山，刘国亮，孙浩，等. C60纳米粒子切削液对15Cr14Co12Mo5Ni2WA齿轮钢切削特性的影响研究［J］. 机械工程学报， 2023， 59（23）： 358-371.
	HUANG Jingshan， LIU Guoliang， SUN Hao， et al. Effect of C60 Nanoparticle Cutting Fluid on Cutting Characteristics of 15Cr14Co12Mo5Ni2WA Gear Steel［J］. Journal of Mechanical Engineering， 2023， 59（23）： 358-371.
[15]	MAO Jian， ZHAO Man， WEI Xingchi， et al. A Material Constitutive Model-based Prediction Method for Flank Milling Force Considering the Deformation of Workpiece［J］. Journal of Manufacturing Processes， 2022， 84： 403-413.
[16]	岳彩旭，都建标，刘献礼，等. 考虑时变性热强度和时变性热量分配比的铣刀前刀面瞬态温度场建模研究［J］. 机械工程学报， 2019， 55（9）： 206-216.
	YUE Caixu， DU Jianbiao， LIU Xianli， et al. Modeling Research on Transient Temperature Field of Rake Face on End Mills Considering Time-varying Heat Intensity and Time-varying Distribution Ratio［J］. Journal of Mechanical Engineering， 2019， 55（9）： 206-216.
[17]	王海艳，周秩同，武晔，等. 基于斜角切削理论的钛合金螺旋铣孔切削力建模［J］. 中国机械工程， 2023， 34（2）： 142-147.
	WANG Haiyan， ZHOU Zhitong， WU Ye， et al. Modeling of Cutting Force in Helical Milling of Titanium Alloys Based on Oblique Cutting Theory［J］. China Mechanical Engineering， 2023， 34（2）： 142-147.
[18]	娄维达，秦国华，王华敏，等. 基于复化Cotes积分和神经网络的稳定铣削工艺参数多目标优化方法［J］. 机械工程学报， 2023， 59（17）： 279-290.
	LOU Weida， QIN Guohua， WANG Huamin， et al. Multi-objective Optimization Method of Stable Milling Process Parameters Based on BP Neural Network and Composite Cotes Integration［J］. Journal of Mechanical Engineering， 2023， 59（17）： 279-290.
[19]	FENG Xinmin， FAN Xiwen， HU Jingshu， et al. Multi-objective Optimization Design of Micro-texture Parameters of Tool for Cutting GH4169 during Spray Cooling［J］. Lubricants， 2023， 11（6）： 249.
[20]	MERCHANT M E. Mechanics of the Metal Cutting Process. II. Plasticity Conditions in Orthogonal Cutting［J］. Journal of Applied Physics， 1945， 16（6）： 318-324.
[21]	MOUFKI A， DUDZINSKI D， MOLINARI A， et al. Thermoviscoplastic Modelling of Oblique Cutting： Forces and Chip Flow Predictions［J］. International Journal of Mechanical Sciences， 2000， 42（6）： 1205-1232.
[22]	OXLEY P L B. The Mechanics of Machining： an Analytical Approach to Assessing Machinability［M］. Chichester： Ellis Horwood Ltd， 1989.
[23]	ASTAKHOV V P， OSMAN M O M， HAYAJNEH M T. Re-evaluation of the Basic Mechanics of Orthogonal Metal Cutting： Velocity Diagram， Virtual Work Equation and Upper-bound Theorem［J］. International Journal of Machine Tools and Manufacture， 2001， 41（3）： 393-418.
[24]	JAEGER J C. Moving Sources of Heat and the Temperature at Sliding Contacts［J］. Journal and Proceedings of the Royal Society of New South Wales， 1943，76（3）：203-224.
[25]	FRANK KREITH M S B. Principles of Heat Transfer［M］. 4th ed. New York： Harper & Row， 1986.
[26]	金滩，马鑫，胡浩，等. 镍基高温合金深切磨削接触区内流体对流换热系数分布反推方法研究［J］. 机械工程学报， 2022， 58（15）： 55-62.
	JIN Tan， MA Xin， HU Hao， et al. Inverse Approach to Derive the Distribution of Convection Heat Transfer Coefficient of Grinding Fluid within Grinding Zone for Deep Grinding of Nickel Based Super Alloy［J］. Journal of Mechanical Engineering， 2022， 58（15）： 55-62.