基于发射光谱的激光填丝焊接过程监测研究

摘要：

针对 ER316L不锈钢激光填丝焊过程中因送丝不稳定导致的焊缝质量问题,提出了基于光致等离子体发射光谱诊断的在线监测方法,构建了焊缝质量预测模型,对实现焊接过程自适应控制和激光焊接智能化有重要意义.为深入研究激光焊中激光与焊材的相互作用机制,进行了激光自熔焊、激光填丝焊试验,同步采集了光致等离子体的光谱信息,并与TIG焊工艺下的电弧光谱进行了对比分析.结果表明激光自熔焊时光谱由连续谱和强度较弱的Fe Ⅰ 636.44 nm、Cr Ⅰ 427.48 nm线谱组成;激光填丝焊时辐射光强显著增加,并产生大量Cr Ⅰ谱线;电弧光谱包含大量的 Ar Ⅰ、Ar Ⅱ谱线及少量的 Fe Ⅰ谱线.根据 Boltzmann作图法和 Stark展宽法,求得激光填丝焊时光致等离子体电子温度为 5024.9 K,电子密度为 2.375×1016 cm-3,满足局部热力学平衡状态.在此基础上,深入探究了激光焊接质量与光谱特征参量的内在联系.结果表明,谱线强度和电子温度与焊缝质量有很强的相关性.当成形良好时,Cr Ⅰ谱线强度数值较高,Fe Ⅰ谱线强度较低,电子温度在小范围内稳态波动;当产生偏丝缺陷时,Cr Ⅰ谱线强度较低,而 Fe Ⅰ谱线强度较高,电子温度急剧变化.以平滑去噪处理后的Cr Ⅰ 529.83 nm谱线强度、Fe Ⅰ 636.44 nm谱线强度和电子温度为输入,构建单隐含层神经网络焊缝质量分类模型,识别成形良好和偏丝缺陷两种状态,测试 10 次的平均准确率为 88％.采用t分布随机邻域嵌入算法对光谱数据进行维数约简,以得到的 3 维嵌入向量为输入特征,采用同样的神经网络结构进行焊缝质量模式识别,平均准确率为 97％.结果表明,对光谱数据进行降维处理得到的特征包含了线谱和连续谱信息,比人为选取的特征线谱更能准确表征焊缝质量.

关键词：激光填丝焊、光谱诊断、特征提取、机器学习、预测模型

所属期刊栏目：43

分类号：TG409(焊接、金属切割及金属粘接)

资助基金：中国博士后科学基金;国家自然科学基金

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1927-1935