綜述：激光增材再制造所面臨的挑戰(zhàn)(2)

來源：長三角G60激光聯(lián)盟

本文為大家展示激光增材再制造過程中所面臨的問題，并從不同角度對其進(jìn)行了闡述，還討論了深度學(xué)習(xí)、數(shù)字孿生等工具的應(yīng)用。為第二部分。

紅外熱成像實時監(jiān)測反饋原理圖

試樣冷卻速率a）和 熔池溫度b），用于研究冷卻速率對微觀結(jié)構(gòu)演化的影響：B1（v = 25mm/min），B2（v = 50mm/min），B3（v = 100mm/min），B4（v = 200mm/min）

4.3.2溫度監(jiān)控

激光再制造時的溫度監(jiān)控是用來控制變形、殘余應(yīng)力、熔覆道形狀、顯微組織和晶粒演變的一個非常重要的工具。激光制造時的熱監(jiān)控可以幫助探測諸如未熔合、氣孔或由于不均勻的傳熱所造成的表面不規(guī)則。收集到的溫度數(shù)據(jù)可以用來決定冷卻速率、溫度梯度，這些數(shù)據(jù)間接反映了沉積層的顯微組織的特征。熱電偶、熱成像相機(jī)和高溫計均可以用來作為激光再制造時的溫度監(jiān)控工具，而高溫計、熱成像相機(jī)為非接觸式的溫度測量工具。

熱電偶分布于熔池附近，所以并不是比較適合用于過程監(jiān)控；而且，較高的溫度接觸對接觸型傳感器來說還會影響到傳感器的測量。采用高溫計對熔池的溫度信號進(jìn)行測量的優(yōu)點為不會由于高溫計暴漏于較高的溫度之下而引起的波動的影響。使用高溫計進(jìn)行溫度監(jiān)測主要取決于材料的熱發(fā)射性質(zhì)，而這一性質(zhì)很難估計。然而，雙色高溫計可以用來測量材料的發(fā)射隨溫度的變化。進(jìn)一步的，高溫計在近紅外區(qū)間工作時并不適合ND:YAG 作為熱源的激光沉積。Bill等人認(rèn)為在沉積時材料的氧化反應(yīng)消除，這是因為它會擾亂紅外區(qū)間的溫度的測量。

再制造需要對尺寸進(jìn)行精確的控制，未加控制的沉積會導(dǎo)致由于高溫?zé)彷斎攵鴮?dǎo)致基材的變形。Heigel等人和Khan等人均使用K型熱電偶來監(jiān)控溫度的變化來控制變形。而且，Heigel等人還引入了一個新的測量標(biāo)準(zhǔn)“熔覆熱”（Ph/V,其中P、h、v分別為激光功率、掃描間距和掃描速度），這些參數(shù)均直接影響到材料的變形預(yù)測。

冷卻速率是一個影響到材料顯微組織的一個非常重要的參數(shù)。Nair等人使用兩個高溫計來監(jiān)測DED時的冷卻速率。其中一個高溫計收集一定間隔時間之后的溫度，從而通過兩次間隔的溫度差來計算冷卻速率來，如圖22所示。冷卻速率可以顯著的改變粉末顆粒的再分解或在金屬基復(fù)合材料沉積時析出相的潤濕性。Muvvala等人的研究則表明熱循環(huán)的在線監(jiān)控同顯微組織是密切相關(guān)的，研究的對象為IN718。他們同時還研究了原位沉積In718/TiC時顯微組織控制的可行性。

圖22 冷卻速率的測量示意圖

Salehi和Brandt使用雙色高溫計來監(jiān)控熔池的溫度，此外還使用基于PID控制的LabView來控制在離軸LMD時的溫度。他們認(rèn)為單獨(dú)的溫度控制并不能獲得理想的沉積層，同時還需要通過其他參數(shù)來控制熔池的尺寸。Farshidianfar等人使用紅外為基礎(chǔ)的熱成像系統(tǒng)來監(jiān)控熔池的溫度和冷卻速率。他們通過PID來調(diào)節(jié)激光掃描纛來實時控制冷卻速率。

圖22-1  Effect of scanning speed on (a) surface temperature, (b) cooling rate, and microstructure (c) 300 mm/min (d) 600 mm/min, (e) 900 mm/min and (f) 1200 mm/min; laser power = 1200 W, laser spot diameter = 3 mm.

圖22-2 Variation in cooling rate and molten pool size with layer number (400 W laser power, 2.2 mm spot diameter, 20 g/min powder flow rate and 600 mm/min scanning speed).

Wu等人建議，在LMD時，通過紅外單色高溫計來實時追蹤控制沉積層的裂紋生成、裂紋尺寸和位置。為了展示該技術(shù)的有效性，他們在沉積奧氏體不銹鋼時引入了裂紋，然后用紅外單色高溫計進(jìn)行掃描。裂紋的探測基于圖23（a）所示的紅外單色高溫計所獲得的最大溫度值的不穩(wěn)定性來實現(xiàn)的。他們的研究發(fā)現(xiàn)，較深的尾部意味著較大的溫度變化。裂紋寬度、裂紋深度變化所探測到的溫度信號的變化見圖23（b-c）。

Ding等人的研究表明用于送絲增材沉積的離軸IR熱成像監(jiān)控的有效性。他們使用熱電偶來校正材料的發(fā)射特性數(shù)據(jù)。通過熱成像照片探測得到沉積層的寬度同物理測量得到的數(shù)據(jù)相一致。沿著熔道通過監(jiān)控異常所得到的未熔合缺陷見圖24。

圖24 Lack of fusion defect monitored variation of maximum temperature along the track length detected (Reprinted with permission from

圖24-1  Typical IR thermal image of cladding layer. (a) temperature field; (b) spatial distribution of temperature. (Experimental parameter: 5356 Al alloy wire, laser power 190 W, wire feeding speed 15 mm/s, scanning speed 25 mm/s.)

4.3.3光譜監(jiān)控

在使用高能激光束進(jìn)行沉積的時候，合金元素的蒸發(fā)，會造成熔池中合金元素的貧化以及粉末的波動。這樣就會造成沉積層的成分變化。這一變化可以通過監(jiān)控等離子體發(fā)射的分析來實現(xiàn)，這一等離子體發(fā)射同元素的蒸發(fā)現(xiàn)象密切相關(guān)。工藝過程的不穩(wěn)定性對沉積層的影響也可以通過光譜來實現(xiàn)。這一過程的潛在價值已經(jīng)被證明過。他們使用海洋光學(xué)（HR2000+）的光譜儀，配備2048像素的CCD探頭來獲取沉積In718時的光譜信號。然而，獲得的光發(fā)射光譜的分析是通過離線來實現(xiàn)的。他們觀察到激光功率、獲得了發(fā)射的強(qiáng)度之間的關(guān)系。然而，粉末輸送速率的變化并不會造成光譜的顯著變化。在較高的功率的時候，Cr I和Fe I的發(fā)射線，觀測結(jié)果顯示，激光沉積層中這兩種元素的發(fā)射線是可以顯示蒸發(fā)的。這一論斷進(jìn)一步的采用EDS對沉積層進(jìn)行分析所得到的結(jié)果進(jìn)行了證實。Bartkowiak則通過對光譜線的觀察來識別熔池中的不同元素，強(qiáng)度水平的任何變化均是可能擾動的信號。

Kisielewicz等人在一個不同的研究中表明，在沉積In718時，即使是Cr含量的一個小的變化（Cr<1wt%），此時的等離子羽的變化可以通過過程中的光譜來探測到。進(jìn)一步的，這一光譜還可以用來識別缺陷和控制沉積層的質(zhì)量，如稀釋率。Liu等人的研究表明電子溫度和沉積層的質(zhì)量之間也是正相關(guān)的，這一研究是基于在A36中碳鋼上進(jìn)行熱絲沉積IN625的實驗中所獲得的。電子溫度的數(shù)值的增加，表明熱輸入能量在增加。然而，標(biāo)準(zhǔn)誤差函數(shù)的增加則表明過程中由于電弧和飛濺的不穩(wěn)定性的開始。他們的研究表明稀釋率是可以進(jìn)行預(yù)測的，并且基于等離子羽中的Ni I和Cr I的平均電子溫度來實現(xiàn)控制，因為這些數(shù)據(jù)受到激光功率的影響。Dunbar和Nassar的研究表明氣孔率可以通過探測監(jiān)控Cr I發(fā)射的線性-連續(xù)的變化而實現(xiàn)，這一實現(xiàn)是基于PBF沉積IN718來實現(xiàn)的。他們同時可以實現(xiàn)對未熔合氣孔以及大的氣孔的探測，上述缺陷的生成是基于輸入能量低和熔池不穩(wěn)定所造成的。Lough等人的研究表明Cr發(fā)射和熔池特征，即熔池尺寸和形貌是關(guān)聯(lián)的。熔池特征表明這些缺陷是由于過熔和未熔所造成的。他們同時還討論了SLM時，工藝環(huán)境和壓力對熔池形狀和光發(fā)射信號的影響。他們的研究發(fā)現(xiàn)，當(dāng)氣壓增加時，發(fā)射線的強(qiáng)度也開始增加，此時壓力的變化在0.2-800 Torr。0.2-300 Torr之間的時候，發(fā)射信號弱或無光發(fā)射信號，則歸于由于低壓而造成的氣體羽的快速膨脹，此時激光和羽化之間的相互作用非常脆弱。Nassar等人的研究則表明，用OES來監(jiān)控在Ti6Al4V基材上沉積同一材料時的未熔合缺陷。他們的研究發(fā)現(xiàn)，Ti I和V I的原子發(fā)射在有缺陷的區(qū)域中強(qiáng)度要高一些，該探討是基于線性－連續(xù)比值之間的關(guān)系來探討缺陷的位置的。他們發(fā)現(xiàn)缺陷位置和Ti　I在430nm和550nm處的線性－連續(xù)型的比值同缺陷位置之間的相關(guān)性。Ya等人的研究展示了OES在實時監(jiān)控金屬沉積層同基材之間結(jié)合情況的有效性以及稀釋率。電子溫度和強(qiáng)度的比值通過四個Ｃｒ　I、Ｆｅ�。晌�收線來計算得出。IRC強(qiáng)度比值，信號用來探測金屬間的結(jié)合，而電子溫度則用來探測稀釋率。Ren、Mazumder則使用等離子發(fā)射光譜來原位監(jiān)測DED沉積AL7075。獲得的光譜信號同氣孔率密切相關(guān)，并使用了３D　X射線CT進(jìn)行了證實。一種人工智能技術(shù)，稱之為隨機(jī)樹（RF）分類的技術(shù)用來預(yù)測氣孔率，該預(yù)測是基于提取的特征來實現(xiàn)的，其精度達(dá)到８３％的準(zhǔn)確性。

圖24 -2 Dilution ratio of the clad deposited at (a) different voltages and (b) different laser powers.

圖24-3 (a) OES signal collected during SLM processing with different build chamber pressures, (b) intensity of chromium emission around λ = 520.6 nm, and (c-e) representative micrographs of 304L stainless steel single layer cross-sections processed with various pressures.

４.３.４聲音監(jiān)控

聲信號可以用來探測內(nèi)部的缺陷，如裂紋、氣孔、粉末的流動速度和匙孔現(xiàn)象�；�于聲的監(jiān)測經(jīng)常用于PBF工藝。用于DED時，則由于聲音的限制而受到影響，此時存在粉末撞擊基材時聲音會受到干擾。

聲音信號是一種彈性應(yīng)力波，在沉積過程中產(chǎn)生，可以通過適當(dāng)?shù)奶綔y器來探測到，并且可以轉(zhuǎn)換成電壓信號。而且，聲音信號可以要么是結(jié)構(gòu)產(chǎn)生的，要么是在空氣中產(chǎn)生的。內(nèi)部的諸如裂紋、氣孔可以通過產(chǎn)生的聲音信號的分析來探測。而且，通過AE波的特征分析，匙孔的形成可以被探測。氣孔所產(chǎn)生的聲音發(fā)射同裂紋相比較具有高能、幅度和生存時間的特點。

Wang等人的研究表明在處理１D的聲音信號的時候，要比處理２D圖像數(shù)據(jù)要快得多�；�于聲信號探測的最大的缺點在于解釋這些信號的復(fù)雜性。而且，當(dāng)沉積層增加的時候，可探測的聲音信號的強(qiáng)度會減少。

在DED過程中的裂紋、氣孔的形成可以利用聲信號來有效的進(jìn)行區(qū)別。Caja和Liou等人的研究認(rèn)為信號的能量在識別缺陷上是一個非常重要的參數(shù)，比頻率的效果更為明顯。耳機(jī)和光纖布拉格衍射光纖用來捕獲空氣中的聲音信號，這一實驗是在SLM中應(yīng)用監(jiān)測來實現(xiàn)的。Whiting等人則展示了使用聲音信號實時監(jiān)測粉末流蘇的變化。研究表明以聲音為基礎(chǔ)的探測在監(jiān)測粉末流速時比光學(xué)為基礎(chǔ)的探測器要優(yōu)異的多。

圖24-4  In-process monitoring with ML techniques using melt pool images captured by IR cameras

圖24-5 Flowchart of applying ML techniques for defect detection of SLM processing using in-situ layer-wise top build surface imaging combined with ex-situ CT scanning

圖24-6  Applications of ML techniques in various domains of AM research works.

４.３.５用于過程監(jiān)控的人工智能

機(jī)器學(xué)習(xí)可以用來預(yù)測、性能優(yōu)化、缺陷探測、分類和退化和預(yù)告。機(jī)器學(xué)習(xí)是人工智能技術(shù)的一個分支技術(shù)。它可以促使一個系統(tǒng)或機(jī)器自動的向系統(tǒng)學(xué)習(xí)，從而作出決定來預(yù)測和優(yōu)化過程的結(jié)果，但不需要進(jìn)行特別的編程。該技術(shù)是一種數(shù)據(jù)驅(qū)動的辦法，其決定或預(yù)測是基于輸入的數(shù)據(jù)的模式來決定的。

數(shù)據(jù)的收集在機(jī)器學(xué)習(xí)的過程中是非常重要的一個方面。

圖24-7 Procedure of geometric error compensation of Ti-6Al-4 V in the L-PBF process

未完待續(xù)。

文章來源：Addressing the challenges in remanufacturing by laser-based material deposition techniques，Optics & Laser Technology，Volume 144, December 2021, 107404，https://doi.org/10.1016/j.optlastec.2021.107404

參考文獻(xiàn)：https://doi.org/10.1016/j.matlet.2020.128330
https://doi.org/10.1016/j.infrared.2016.12.017
https://doi.org/10.1016/j.optlastec.2014.03.007
https://doi.org/10.1016/j.addma.2020.101538