磨料流加工(AFM)是一种广泛用于工件内部通道和特定外部表面的研磨处理工艺。Extrude Hone创始人Lawrence James Rhoades在五十多年前便提出了最初的AFM实施方式。AFM的原理是 - 含有磨料的聚合物介质通过内部管路被挤出，在磨料颗粒和通道表面之间产生相对运动。同时，高粘度介质为磨料颗粒提供支撑，使其能够压入通道表面。轴向相对运动和径向研磨颗粒挤压的共同作用使材料从通道表面被去除，并且通常会改善表面粗糙度。图1是AFM原理的示意图。

技术最前沿

　　AFM工艺在实际应用中可以使用双向或单向配置。在双向配置(也称为双向流动)中，工件夹在两个介质缸之间，在压力作用下，磨料介质通过工件内部通道进行往复运动。在单向配置(也称为单向流动)中，磨料介质通过工件之后直接排出，仅沿单一方向穿过工件。图2显示了这两种配置的示意图。在这两种配置中，AFM工艺的关键是设计用于介质挤出的流动管路。流动管路由介质缸、夹具和工具以及工件本身的内部通道组成，如图1所示。通过合适的夹具和工具，还可为工件的外表面创建流动管路。因此，AFM的应用不限于内部通道。

　　目前，AFM流路设计依赖于AFM从业者的经验。它的难度因具体工作的范围而异。对于给定的简单组件，流动管路的设计是简单的，只需一个基本固定的将介质从介质存放缸体引导到组件中即可。然而，对于给定的复杂工件，流动管路的设计提出了更大的挑战，需有几个方面要考虑，例如通过通道时的压降、对所选表面的保护以及用于介质流不经过的死区。控制介质流动的各种部件设计选项的可用性,将决策过程变得复杂。设计中,所面临最大挑战是组件的内部几何形状设计,这在设计流动管路方面具有很大的灵活性，从而导致具有压倒性数量的排列只能通过大量的近似设计解决,最后,再通过具体试验验证流动管路功能加以确认 ,这也往往意味着需要更高的开发成本。

增材制造 - 变革者

　　AFM已经应用于汽车、航空航天、能源和医疗等行业。再次引起对AFM的兴趣主要归因于增材制造(AM)。通过AM，可重新设计传统组件，以减轻重量、降低成本、简化或消除组装工艺，并提高性能。部分工件，如喷嘴、换热器，叶轮和歧管等工件已进行重新设计和原型设计，以展示AM的潜在优势，预计未来几年内我们将能见到更多的AM成功范例。

　　然而，由于所造工件(通常为Ra值5-40μm，取决于AM工艺的类型及其条件)表面的高粗糙度，在许多应用中，为了满足工艺规范，必须对内部通道进行表面抛光处理。对AFM来说，这是不可多得的机会。然而，对内部管路进行没有先例任意设计也意味着将在设计流动管路时会遇到前所未有的挑战。

ARTC在AFM工艺研究的最新进展

　　在ARTC，AFM是数据驱动表面工程(DSE)团队的一个重要的研究与开发领域。此项工作是由工业界合作伙伴通过内部项目以及直接项目完成的。2016年，ARTC委托定制Extrude Hone EX4250机器，能为介质挤出提供高达20 Mpa的压力。ARTC的一个主要研究课题是AFM在AM组件上的应用，已经对基本几何组件和样品组件进行了试验，以了解工艺参数与工艺结果之间的关系，如材料去除和表面粗糙度。ARTC的主要区别在于，强调收集有意义的数据，以更好地了解AFM工艺。例如，使用组件的透明复制品观察介质流动，并使另一个复制品适用于压力传感器，以便直接测量流动管路中的压力，这些都能够为更复杂的组件提供更深入的洞察力，特别有价值。图3提供了ARTC中这些活动的说明性示例。

　　通过ARTC的工作，已经确定了AM组件AFM工艺中的几个挑战。首先需去除大量的材料以便在AM工件上获得光滑的表面。ARTC遵循的一个共同指导原则是材料去除量应为10倍Ra值，这意味着要移除的材料在50到400μm之间。其次，复杂内部通道和外部功能中的表面光洁度通常是不均匀的。不提介质流经内部通道的能力，在流量受限区域，移除的材料总是最高的。目前，表面光洁度不均匀并无简单的解决方案。在一定程度上，可以通过重新设计流动管路或通过过度处理通道减轻不均匀性。这两种方法都是针对具体工作的，而且没有物理实验，因此无法可靠地评估其成功率和有效性。很明显，某些内部几何将超出AFM的能力。但在很多情况下，如果没有实际试验，不管组件是否在AFM的能力范围内，都是无法结束的。

预测AFM

　　上述讨论的共同主题是在AFM的复杂任务中需要进行大量的迭代，迭代是昂贵且耗时的，资源需要组件具有一定规模的复杂性和价值。因此，ARTC AFM团队的主要方向是开发AFM的预测能力，预测AFM的目标是可将AFM工艺模拟至合理的准确度并对工艺结果得出可靠的预测，预测AFM不能消除迭代；相反，它可以在虚拟环境中进行迭代，否定对了大量物理试验的需要。

　　预测AFM的概念并不新鲜。近年来，已有人提出并展示了一些方法，但是尚未完全成熟，其仍未被AFM从业者所广泛采用，最常见的是通过计算流体动力学(CFD)模拟实现，因为AFM工艺基本上可以说是流体流动现象。

　　ARTC团队的方法是首先使用CFD模拟流速特征(如速度和压力分布)，然后根据这些特征对材料去除和表面粗糙度演化进行建模，如图4所示。采用这种方法，预测AFM将面临两个关键挑战。第一个挑战是选择和建立适合充满磨料型AFM介质的材料模型，这对于正确模拟其流动行为至关重要，AFM介质是一种复合材料，即将固体磨料颗粒嵌入粘弹性聚合物内，ARTC目前的做法是将AFM介质视为一个连续体，忽视介质中的个别粒子。这允许在相当短的时间内获得模拟结果，并且无需高性能计算机。许多报告的模拟工作都使用了不足以说明AFM介质粘弹性的基本模型(如幂律)。在ARTC中进行的模拟使用粘弹性模型，其更准确地反映了AFM介质的行为，特别是在复杂的内部通道中。为了建立粘弹性模型，将使用流变仪捕获的数据作为基准，并在用实验数据进行初步验证后执行进一步调整。

　　第二个挑战是，根据模拟流动特性，考虑到工艺参数和介质性能，适当地模拟材料去除和表面粗糙度。磨料颗粒与通道表面之间的相互作用同样复杂。ARTC方法是半经验地近似这些交互，结合物理规律和实验数据。直至写入，将流动特性转换为材料去除和表面粗糙度的模型仍处于开发过程。图5示出了用于简单流动管路的模拟流速分布，将对材料去除和表面粗糙度进行建模。

从预测到智能

　　预测AFM允许AFM从业者和设计人员自由修补计算机上的管路，并可视化几何变化的影响。例如，设计人员可以迭代流动管路设计补偿所取出的材料，确保材料去除后的最终几何尺寸满足目标几何尺寸要求。这实际上是非常昂贵的。

　　除此之外，ARTC的团队旨在进一步简化甚至完全消除迭代。这需要一个以最终指定的几何为基础，能够给出正确的工艺输入(流路几何、工艺参数、介质类型)的智能模型。在智能模型中，预测能力必须能够基本应用于相反方面，这是一个挑战，因为许多不同的初始几何都会导致最终几何相同。最后，在下一个激动人心的工作阶段中应用人工智能也许就是下一个机遇。

Kum Chun Wai博士
研究员，
数据驱动表面工程
先进再制造与科技中心(ARTC)

3 CleanTech Loop, #01/01
CleanTech Two, Singapore 637143
电话：+65.8139.4638
邮箱：kumcw@artc.a-star.edu.sg
www.a-star.edu.sg/artc