مروری بر عوامل موثر بر ماشینکاری و خواص کامپوزیت‌های پلیمری تقویت شده با الیاف
کامپوزیت‌های پلیمری تقویت‌شده با الیاف طبیعی، شیشه و فیبر کربن هستند در حال حاضر به دلیل وزن سبک و خواص قدرت برتر جایگزین مواد معمولی شده اند. کامپوزیت‌های تقویت شده با الیاف طبیعی (NFRC) به دلیل تمرکز فزاینده بر عناصر زیست محیطی و پایداری مواد مهندسی در کاربردهای دنیای واقعی جایگاه ویژه ای یافته اند. دشواری ماشینکاری کامپوزیت‌های FRP که منجر به خطاهای ابعادی می شود، کیفیت پایین محصول و آسیب مواد از ناهمگنی، سهولت در تغییر شکل و ناهمسانگرد بودن ماهیت آنها ناشی می شود. علاوه براین، این بررسی بینشی از پیشرفت‌ها و چالش‌های اخیر ارائه می‌دهد که به محققان آینده کمک خواهد کرد. خواص غیرهمگن و شکل پذیری ناکافی در کامپوزیت‌های طبیعی و مصنوعی تقویت شده با الیاف باعث ایجاد تراشه های شکسته و ناپیوسته در طول عملیات ماشینکاری می شود. ماشینکاری کامپوزیت‌های به ترکیبات موجود در کامپوزیت‌ها بستگی دارد. لایه لایه شدن بیشتر در کامپوزیت‌های الیاف طبیعی به دلیل پیوند نامناسب و سازگاری کمتر با ماتریس های پلیمری و همچنین مقاومت حرارتی کمتر الیاف طبیعی باعث ایجاد مشکلات جدی در حین ماشینکاری می شود. از این رو، به مطالعات بیشتری برای کاهش نیروی رانش و آسیب‌های لایه لایه شدن در کامپوزیت‌های تقویت شده با کربن، شیشه و الیاف طبیعی نیاز است.
کامپوزیت‌های پلیمری نوعی از مواد همه کاره با کارایی بالا و ترکیبی از فازهای مختلف مواد و معمولاً یک ماتریس هستند که از پلیمر ساخته شده است. مونتاژ همه این اجزا خواص مکانیکی، رسانش و حرارتی منحصر به فردی را نشان می دهد که برای استفاده از یک ماده منفرد نسبتا ناخوشایند است. تقویت و ماتریس دو مرحله اساسی در توسعه کامپوزیت پلیمری هستند. کامپوزیت‌های پلیمری تقویت شده با الیاف (FRP) به طور یکسان کانون جذب تحقیقات و صنایع بوده و در بخش‌های مختلفی مانند ساخت و ساز، هوافضا، ورزش، خودروسازی و صنایع کوچک به عنوان مواد ساختاری کاربرد دارند. الیاف در ترکیبات مختلف پلیمری به منظور افزایش خواص مکانیکی کلی آنها استفاده می شوند. به همین منظور، الیاف طبیعی و مصنوعی ترجیح داده می‌شوند اگرچه الیاف طبیعی با ماتریس‌های پلیمری مختلف مطابق با ادبیات اخیر مطابقت دارند و عملا به دلیل پایداری، مزایای پردازش، هزینه کم و جنبه های زیست سازگاری کاربرد زیادی دارند. عملکرد کامپوزیت‌های FRP پیشرفته به خواص الیاف، ماتریس، هندسه الیاف، جهت گیری الیاف، و نسبت حجم الیاف به ماتریس بستگی دارد. کامپوزیت‌های پلیمری تقویت شده با الیاف شیشه (GFRP) از لحاظ اقتصادی بهترین جایگزین برای فلزات و فولاد ضدزنگ هستند؛ حتی در محیط های بسیار خورنده. کامپوزیت‌های پلیمری تقویت شده با الیاف کربن (CFRP) از خواص عالی مانند خواص مقاومت مکانیکی و شیمیایی خوب، چگالی کم و استحکام بالا برای بارهای مشخص برخوردار هستند. کامپوزیت‌های پلیمری تقویت شده با الیاف طبیعی خواص مکانیکی، الکتریکی و حرارتی کمتری نسبت به CFRP و GFRP دارند. با این حال، این کامپوزیت‌های الیاف طبیعی از مزایای منحصر به فردی مانند زیست تخریب پذیری، هزینه کم، دسترسی آسان، زیست سازگار و مقاوم در برابر شعله برخوردار هستند. این الیاف طبیعی با ماتریس‌های پلیمری مختلف به منظور افزایش خواص مواد و گاها مواد افزودنی یا فیلر برای افزایش خواص بیشتر تقویت می‌شوند. امروزه تکنیک هیبریداسیون در کامپوزیت‌های پلیمری تقویت شده با الیاف طبیعی و مصنوعی رایج است. افزودن دو تقویت‌کننده یا بیشتر به ماتریس باعث صلبی متعادل، استحکام، ماشینکاری، پایداری انحنای حرارتی، حساسیت ناتچ و بهبود مقاومت در برابر خستگی می‌شود.
در ساخت کامپوزیت‌های پلیمری، ایجاد شکاف یا حفره‌هایی در کامپوزیت بدون تأثیر بر تقویت‌کننده‌ها دشوار و پیچیده است. در چنین شرایطی، از ماشینکاری برای اجرای اشکال پیچیده با رعایت الزامات طراحی استفاده می‌شود. در این فرایند، می توان تغییرات قابل توجهی در کامپوزیت‌های پلیمری نسبت به مواد معمولی به دلیل ماهیت غیرهمگن شان، جهت‌گیری الیاف و ماتریس متنوع، و خواص الیاف مشاهده کرد. همچنین مکانیسم برش این مواد دشوار است، بنابراین تجزیه و تحلیل عملکرد ماشینکاری در کامپوزیت‌های پلیمری نیز دشوار است. به دلیل پیچیدگی بسیاری از روش‌های تولید که برای ایجاد ساختارهای کامپوزیت استفاده می‌شود، تلاش‌ها برای مدل‌سازی یا بهینه‌سازی هم از نظر پتانسیل و هم از نظر کاربردی چندان مطلوب نیست. بسیاری از استراتژی‌های تولید فیزیک محور بایستی سیستم‌های مناسب و خواص قابل تغییر را در نظر بگیرند. کنترل دقت در ساخت و تولید کالاهای باکیفیت نیز بسیار دشوار است. ماشینکاری کامپوزیت‌های FRP باعث آسیب سطح مواد ازطریق ترک‌های الیاف، لایه لایه شدن بین لایه‌ای، شکستن الیاف، جریان ماتریس و لایه لایه شدن داخل لایه‌ای می‌شود. در شکل زیر مودهای شکست در کامپوزیت‌های معمولی FRP ارائه شده است.
شکل 1:
استفاده از اکثر تکنیک های ماشینکاری معمولی برای کامپوزیت‌های FRP مقرون به صرفه نیست. گاهی اوقات عملکرد و عمر مفید کامپوزیت‌های FRP ممکن است تحت تأثیر شرایط یا پارامترهای ماشینکاری باشد. پردازش سطحی کامپوزیت‌های FRP ازطریق ماشینکاری امروزه یک مشکل جدی است.
این مقاله مروری به تشریح مطالعات جامع در مورد ماشینکاری کامپوزیت‌های FRP، عوامل و جنبه‌های کیفی ماشینکاری، خواص، و ماشینکاری کامپوزیت‌های تقویت‌شده با الیاف با استفاده از تکنیک‌های رایج می‌پردازد. تحقیقات زیادی در سال‌های اخیر برای توسعه ماشینکاری کامپوزیت‌های پلیمری تا کامپوزیت‌های فلزی انجام شده است. نیروهای برشی و آسیب‌هایی که در سطح زیرین و سطح کامپوزیت ایجاد می‌شود به ویژگی‌های تقویت‌کننده و ماتریس بستگی دارد. معمولا سرعت بالای اسپیندل دوک، قطر کم دریل، زاویه نزدیک به 1000، سرعت کم تراورس ابزار، و مته پارابولیک ترجیحی برای فرایند حفاری موثر است. حداکثر ماشینکاری برای فرایند میلینگ پایانی ممکن است با سرعت پایین تر تراورس ابزار، عمق برش کم و سرعت اسپیندل بالاتر به دست آید. خواص غیرهمگن و شکل‌پذیری نامناسب کامپوزیت‌های GFRP، NFRC و CFRP در حین ماشینکاری تراشه‌های شکسته و ناپیوسته تولید کرده‌اند. علاوه براین، تحقیقات در مورد میلینگ سرعت بالا به پتانسیل خوبی دست یافت و یافته‌های تجربی اخیر نشان داد که سرعت‌های برش سریع‌تر نیروهای فرآیند کمتری را ایجاد کرده و عمر ابزار و یا نرخ تغذیه سریع‌تر را افزایش می دهد. امکان جالب دیگر استفاده از حداقل میزان روانکاری است که ممکن است باعث افزایش شدت استفاده از سیالات برش شود در حالی که به طور بالقوه عمر ابزار را افزایش داده و اثرات زیست محیطی را به حداقل می رساند. به نظر می رسد حالت های شکست یا کسر مواد مختلف به طور تصادفی در امتداد سطوح ماشینکاری شده رخ داده است. پیشرفت‌های اخیر در استفاده از کامپوزیت‌های FRP با ظهور رویه های حفاری اوربیتال که به دوره های پردازش طولانی‌تری نیاز دارند همراه بودند اما می‌توانند عیوب لایه لایه شدن و آسیب حرارتی ناشی از حفاری کامپوزیت‌ها را کاهش داده و یا از بین ببرند. انتخاب ابزار و پارامترهای پردازش با هدف ارتقاء سطح ماشینکاری باید ارتقاء یابند. برای بهبود پارامترهای ماشینکاری، تحقیقات بیشتری باید در مورد استفاده از مدل‌سازی تحلیلی و رویکرد یادگیری ماشینی انجام شود.
