分享自:

基于发射光谱的激光填丝焊接过程监测研究

期刊:光谱学与光谱分析DOI:10.3964/j.issn.1000-0593(2023)06-1927-09

这篇文档属于类型a,即报告了一项原创研究的科学论文。以下是针对该研究的学术报告:


一、研究作者与发表信息

本研究由冯英超1、黄一鸣2∗、刘金平1等合作完成,作者单位包括:
1. 中国核工业二三建设有限公司(核工业工程研究设计有限公司)
2. 天津大学材料科学与工程学院(天津市现代连接技术重点实验室)
3. 绍兴市特种设备检测院
论文发表于期刊《光谱学与光谱分析》(Spectroscopy and Spectral Analysis)2023年6月第43卷第6期(页码1927-1935),DOI编号10.3964/j.issn.1000-0593(2023)06-1927-09。


二、学术背景与研究目标

科学领域:研究属于激光焊接过程监测与智能控制领域,结合了发射光谱诊断技术(Emission Spectroscopy)机器学习算法,旨在解决ER316L不锈钢激光填丝焊(Laser Wire Filling Welding)中因送丝不稳定导致的焊缝质量问题。

研究背景
1. 奥氏体不锈钢的焊接质量对核电、船舶等行业至关重要,但传统弧焊(如TIG焊)热输入高,易产生热裂纹缺陷,而激光填丝焊能减少热输入,但送丝波动会导致偏丝缺陷。
2. 现有研究多集中于激光自熔焊的监测,对填丝焊的光谱响应机制及质量预测模型研究不足。

研究目标
- 通过光谱诊断解析激光填丝焊的光致等离子体(Laser-Induced Plasma)特性;
- 建立焊缝质量与光谱特征(如电子温度、谱线强度)的关联模型;
- 开发基于机器学习的焊缝缺陷分类算法。


三、研究流程与方法

1. 实验设计与样本制备

  • 样品:ER316L不锈钢母材(尺寸200×80×5 mm,成分见表1),焊丝直径1.2 mm;
  • 设备
    • 激光器:GSI JK2003SM型Nd:YAG激光器(波长1064 nm);
    • 光谱仪:Maya2000 Pro型光纤光谱仪(采样周期20 ms);
    • 保护气体:99.99%纯氩(Ar),流量20 L/min。

2. 光谱数据采集与对比实验

  • 实验分组
    • 激光自熔焊(无送丝)与激光填丝焊(送丝速度3 mm/s),焊速均为2 mm/s;
    • TIG焊接(电流120 A)作为对比组。
  • 光谱分析:采集350-800 nm波段的光致等离子体辐射光谱,对比连续谱与特征线谱(如CrⅠ、FeⅠ、ArⅠ谱线)。

3. 等离子体热力学参数计算

  • 电子温度:采用Boltzmann作图法(式1-3),选取6条CrⅠ谱线(如520.449 nm、529.827 nm)拟合斜率;
  • 电子密度:基于Stark展宽法(式4-6),对CrⅠ 532.83 nm谱线进行洛伦兹拟合,计算半高宽(δλ12=0.475 nm)。

4. 焊缝质量与光谱特征关联分析

  • 关键发现
    • 成形良好时:CrⅠ谱线强度高(如529.83 nm),FeⅠ谱线强度低,电子温度稳定(约5024.9 K);
    • 偏丝缺陷时:FeⅠ谱线强度升高(如636.44 nm),电子温度剧烈波动(突增后降低)。
  • 数据降维:采用t-SNE算法(t分布随机邻域嵌入)将2068维光谱数据降至3维,提取连续谱与线谱的综合特征。

5. 机器学习模型构建

  • 输入特征:CrⅠ 529.83 nm、FeⅠ 636.44 nm强度及电子温度;
  • 模型结构:单隐含层神经网络(10个神经元),训练集占比70%;
  • 性能对比
    • 人工选择特征模型:准确率88%;
    • t-SNE降维特征模型:准确率提升至97%。

四、主要研究结果

  1. 光谱特征差异

    • 激光填丝焊比自熔焊增加CrⅠ谱线数量(如427.48 nm、529.83 nm)和强度;
    • TIG焊以ArⅠ/ArⅡ谱线为主,FeⅠ谱线强度较低。
  2. 等离子体参数

    • 电子温度5024.9 K,电子密度2.375×1016 cm-3,满足局部热力学平衡(LTE)条件(McWhirter准则验证)。
  3. 质量控制指标

    • CrⅠ/FeⅠ强度比可作为缺陷标志:偏丝时CrⅠ强度下降40%,FeⅠ上升35%;
    • 电子温度突变(>±200 K)与送丝不稳定直接相关。

五、结论与价值

科学价值
- 首次阐明激光填丝焊中Cr、Fe谱线强度与电子温度的动态响应机制;
- 提出基于t-SNE的光谱降维方法,提升机器学习模型泛化能力。

应用价值
- 为激光焊接实时监测提供低成本、高精度的光谱诊断方案;
- 推动焊接过程自适应控制技术的工业化应用。


六、研究亮点

  1. 方法创新:结合Boltzmann作图法、Stark展宽法与t-SNE算法,实现多模态数据融合;
  2. 技术突破:首次将光谱降维特征用于焊缝缺陷分类,准确率突破97%;
  3. 工程意义:直接解决核电装备制造中不锈钢焊接的质量控制难题。

七、其他补充

该研究获中国博士后科学基金(2020M670651)国家自然科学基金(52005366)资助,实验数据与代码未公开,但方法论细节已在论文中充分阐述。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com