Pour résoudre le problème de la difficulté à prédire le taux d’enlèvement des matériaux des plaquettes de quartz lors du polissage avec un abrasif consolidé, un modèle basé sur la mécanique du contact et le réseau de neurones de régression généralisée (GRNN) a été proposé. Tout d’abord, en se basant sur le mécanisme d’enlèvement des matériaux fragiles/plastiques et la forme simplifiée du contact microscopique entre le grain abrasif et la plaquette, un modèle du taux d’enlèvement a été établi dans des conditions idéales en utilisant le calcul infinitésimal, le principe d’équilibre des forces, etc. Ensuite, la méthode des éléments finis a été utilisée pour réaliser une expérience orthogonale à quatre niveaux avec trois facteurs, et l’analyse GRNN a permis d’étudier la relation entre le débit du liquide de polissage, la concentration du liquide de polissage, la vitesse de rotation du disque de polissage et le coefficient de correction du taux d’enlèvement, améliorant ainsi davantage le modèle. Enfin, pour valider le modèle, la vitesse de rotation du disque a été fixée à 20 tr/min, la concentration du liquide à 5 wt.%, et le débit à 36 ml/min. Des simulations et mesures ont été réalisées pour prédire et comparer les taux d’enlèvement du matériau des plaquettes sous différentes pressions de polissage et vitesses relatives. Les résultats montrent que l’augmentation de la pression de polissage et de la vitesse relative accélère l’enlèvement, avec une tendance similaire entre les valeurs prédites et réelles, l’erreur du modèle étant de 8,57 %. Le modèle satisfait globalement les besoins de prédiction du taux d’enlèvement des plaquettes de quartz dans le processus de polissage à l’abrasif consolidé.

polissage à l’abrasif consolidé;plaquettes de quartz;taux d’enlèvement des matériaux;réseau de neurones de régression généralisée