试验用316L不锈钢标准牌号为022Cr17Ni12Mo2 (GB/T 20878— 2007), 属于18-8型奥氏体不锈钢的衍生钢种, 尺寸为200 mm× 80 mm× 5 mm, 化学成分如表1所示。 焊丝为ER316L, 直径1.2 mm。

表1

Table 1

表1(Table 1)

表1 母材化学成分(质量分数, %) Table 1 Chemical composition of base material (mass fraction, %) 材料 C Cr Ni Mo Si Mn S P C 316L ≤ 0.030 16.00~18.00 10.00~14.00 2.00~3.00 ≤ 1.00 ≤ 2.00 ≤ 0.030 ≤ 0.045 ≤ 0.030

表1 母材化学成分(质量分数, %) Table 1 Chemical composition of base material (mass fraction, %)

试验系统由激光器、 数控平台、 光谱传感系统等组成, 如图1(a)所示。 试验选用GSI公司的JK2003SM型Nd∶ YAG激光器, 激光波长为1 064 nm, 镜头焦距300 mm。 焊接过程中激光镜头不动, 由数控平台带动母材移动。 选用海洋光学的高灵敏度Maya2000 Pro型光纤光谱仪对光致等离子体进行信号采集, 采样周期为20 ms。 为保证光致等离子体的稳定可靠采集, 设计了如图1(b)所示的夹具, 可实现光纤探头在X、 Y、 Z方向及绕Y轴旋转方向四个自由度的调节。 为保护熔池不被空气氧化, 在焊接过程中侧吹99.99%的纯Ar保护气体, 气体流量为20 L· min^-1。 焊丝伸出长度15 mm, 送丝角度与水平方向成30° 。 此外, 本文还进行了钨极氩弧焊接试验, 对比分析两种焊接工艺下的光谱信号, 深入探究316L不锈钢激光焊接过程中光谱信号的产生机制, 两种工艺参数分别如表2、 表3所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 试验系统 (a): 原理示意图; (b): 光纤探头夹持装置Fig.1 Experimental system (a): Schematic diagram; (b): Clamping device for optical fiber probe

表2

Table 2

表2(Table 2)

表2 激光焊接工艺参数 Table 2 Laser welding process parameters 试验序号 激光功率 /W 送丝速度 /(mm· s-1) 焊速 /(mm· s-1) 1 1 500 0 2 2 1 500 3 2

表2 激光焊接工艺参数 Table 2 Laser welding process parameters

表3

Table 3

表3(Table 3)

表3 钨极氩弧焊接工艺参数 Table 3 Process parameters of gas tungsten arc welding 试验序号 电流 /A 送丝速度 /(m· min-1) 焊速 /(m· min-1) 1 120 0 0.2 2 120 0.8 0.2

表3 钨极氩弧焊接工艺参数 Table 3 Process parameters of gas tungsten arc welding

激光自熔焊和填丝焊的焊缝形貌分别如图2(a)、 图2(b)所示, 对应的光谱数据分别如图2(c)、 图2(d)所示。 可以看到, 两种工艺下光谱三维图形在分布上极为相近, 但填丝焊时辐射光强值更大。 为更好地比较两者的差异, 接下来对单一时刻的光谱图进行分析。 为确保所分析的光谱数据具有普适性, 需排除送丝抖动、 等离子体波动等可能的干扰因素对数据的影响, 本文对1 s内采集到的50幅光谱图进行均值求解, 并绘制成图。 激光自熔焊时采集到的光谱数据如图3(a)所示, 包含了350~800 nm波段的电磁辐射, 主要表现形式为连续谱。 连续谱的形成主要源自等离子体羽中电子与离子碰撞产生的轫致辐射以及由熔池高温引起的热辐射, 其相对光强随波长增加而增加。 除此之外, 仅发现强度较弱的Fe Ⅰ 636.44 nm和Cr Ⅰ 427.48 nm线谱, 线谱表征的是激发态电子从高能级向低能级跃迁时发射的光子频率和强度。 激光填丝堆焊时光谱数据如图3(b)所示, 呈现连续谱上叠加多条特征线谱的状态。 其中, 连续谱变化规律与激光自熔焊时情况类似, 而线谱则多了一簇Cr Ⅰ 谱线、 三条Fe Ⅰ 谱线以及一条Mn Ⅰ 特征谱线。 对比发现在同一激光功率下, 熔丝时会增加光谱强度和线谱数量。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 激光焊焊缝形貌与光谱数据 (a): 激光自熔焊表面形貌; (b): 激光填丝焊表面形貌; (c): 激光自熔焊光谱三维图; (d): 激光填丝焊光谱三维图Fig.2 Weld morphology and spectral data of laser welding (a): Surface morphology of laser welding; (b): Surface morphology of Laser wire filling welding; (c): Three-dimensional spectra of laser welding; (d): Three-dimensional spectra of laser wire filling welding

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 激光焊光谱图 (a): 激光自熔焊; (b): 激光熔丝焊; (c): 对(b)中数据进行去连续谱处理Fig.3 Spectrum of laser welding (a): Laser welding; (b): Laser wire filling welding; (c): Remove discontinuous spectrum from (b)

分析认为, 当激光作用于焊材上时会烧蚀焊材, 使其表面产生气化, 并产生作为初始能量载体的热电子。 热电子将继续吸收激光能量, 与焊材中的原子分子剧烈碰撞引发雪崩式电离, 从而形成等离子体。 激光等离子体作为激光与焊材反应的产物, 分析其蕴含的特征谱线并对其状态参数进行诊断是理解激光/焊材相互作用机制的有效途径。 在填丝堆焊过程中, 焊丝接触到激光即被加热融化, 由于焊丝不断送进, 焊丝在一段时间内持续融化, 并在表面张力的作用下形成较大的熔滴, 熔滴的温度在一定程度上高于激光自熔焊熔池的温度。 Cr及其他元素原子核外电子发生于跃迁的概率大大提高, 在光谱上表现出数量较多、 强度较高的线谱。 为了去除辐射连续谱对线谱的影响, 本文使用三次样条插值法对光谱数据进行处理, 处理后的结果如图3(c)所示。

对TIG焊接工艺下的光谱数据进行分析, 发现特征谱主要分布在390~520和690~800 nm的波长范围内。 在390~520 nm的波长范围内的线谱大多为Ar Ⅱ 谱线以及少量的Fe Ⅰ 谱线, 而在690~800 nm的波长范围内全部为Ar Ⅰ 特征谱, 如图4所示。 熔丝后没有产生新的谱线, 但在420 nm处的Fe Ⅰ 谱线强度略有增加, 在Ar Ⅱ 特征谱线处强度轻微下降。 这是因为填丝堆焊过程中由于焊丝不断送进电弧, 焊丝熔化吸热使得电弧温度略有下降, 氩受到的热激发减弱, 在光谱图中表现为Ar特征谱相对光强下降。 但由于自熔时受激发的金属已接近上限, 所以即使送丝增加了单位时间内熔化的金属含量, 金属谱线强度也只是略有增加。

对比激光焊接和TIG焊接过程中采集到的光谱, 可以发现两者在线谱和连续谱强度分布上有很大区别。 分析认为, 在本文试验条件下, TIG焊接过程热输入更高, 更多的原子核外电子被激发到更高的能级。 由辐射理论可知, 此时光谱的相对强度非常高, 甚至超过光谱仪量程, 因此在对弧焊光谱数据进行采集时加持了减光片。 从图4可以看到, 在TIG焊接电弧光谱中出现了一系列Ar Ⅰ 和Ar Ⅱ 谱线, 这是因为TIG焊接过程中Ar充满了整个电弧空间, 电弧内部电子和离子高速运动、 相互撞击, 使得Ar被大量激发、 电离, 核外电子发生跃迁, 并在光谱中显示为一系列特征线谱。 这种电离规模只有在激光深熔焊模式下才能实现, 因为Ar原子的电离能、 激发能分别高达15.759和13.1 eV(如表4所示), 本文所使用的激光焊接工艺参数无法使其激发、 电离, 因而没有明显的Ar Ⅰ 特征谱出现。 由于Cr元素激发电位最小。 Fe元素含量最多, 因此在激光焊接光谱中强度较高。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 电流为120 A时的辐射光谱Fig.4 Radiation spectrum at arc current of 120 A

表4

Table 4

表4(Table 4)

表4 主要元素激发、 电离能 Table 4 The excitation and ionization characteristics of main elements 原子谱线 基态原子 光谱项 电离原子 光谱项 电离能 /eV 可见光波段最小 激发电位/eV Cr Ⅰ 7S3 6S5/2 6.767 2.89 Fe Ⅰ 5D4 6D9/2 7.902 4.31 Ar Ⅰ 1S0 2P° 3/2 15.759 13.1 Ni Ⅰ 3F4 2D5/2 7.639 4.09 Mn Ⅰ 6S5/2 7S3 7.434 3.08 注: [Ar]=1s22s22p63s23p6

表4 主要元素激发、 电离能 Table 4 The excitation and ionization characteristics of main elements

电子温度是等离子体的重要物理参数, 对激光等离子体发射光谱进行电子温度诊断的前提是等离子体各能级粒子服从Boltzmann分布定律, 即需要所测的等离子体满足热动平衡状态。 由于激光诱导产生的等离子体与外界环境发生能量交换, 其内部温差较大, 因此不处于完全热平衡态。 但等离子体内局部区域的温度近似相等, 可视作局部热平衡态, 从而可对等离子体状态特征参量进行计算。 本文采用波尔兹曼图法计算等离子体温度^{[15, 16]}。 假设光致等离子体为光学薄性质, 各能级的原子分布满足玻尔兹曼定律, 单位体积内处于能级的粒子数为

Nk=gkg0N0exp-EkkT(1)

式(1)中, N₀为单位体积内处于基态的粒子数, g_k和g₀分别为k能级和基态的简并度, E_k为k能级的激发能, k为boltzman常数, T为等离子体的激发温度。

原子在能级k和i之间跃迁发射光子的谱线强度可表示为

Iki=NkAkihνki(2)

式(2)中, A_ki表示从能级k跃迁到能级i的跃迁概率, h为普朗克常量, ν _ki是光子的辐射频率。

将式(1)代入式(2)中, 变形得

lnIkiλkiAkigk=-EkkT+lnN0hcg0(3)

对于同种元素的不同原子谱线, ln N0hcg0近似为常数, 因此式(3)可看作以E_k为自变量的一次线性方程。 以E_k为横坐标, ln IkiλkiAkigk为纵坐标, 通过线性拟合得到直线斜率为-1/kT。 本文选取在520~550 nm波段分辨率高、 线形轮廓好、 强度适中的6条Cr Ⅰ 谱线, 其相关参数如表5所示。 根据波尔兹曼图法绘制的坐标点及拟合的直线如图5所示, 由斜率换算可知电子温度。

表5

Table 5

表5(Table 5)

表5 计算电子温度的线谱参数 Table 5 Line spectrum parameters for calculating electron temperature Atom λ /nm Ek/eV gk Aki/s-1 Intensity Cr Ⅰ 520.449 3.323 3 5.09× 107 8 700 Cr Ⅰ 524.756 3.323 3 1.9× 106 740 Cr Ⅰ 526.571 3.322 5 8.5× 105 2 100 Cr Ⅰ 529.827 3.322 5 3.3× 106 2 600 Cr Ⅰ 532.832 5.239 11 6.2× 107 900 Cr Ⅰ 534.579 3.322 5 4.9× 106 2 400

表5 计算电子温度的线谱参数 Table 5 Line spectrum parameters for calculating electron temperature

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 激光填丝焊时光致等离子体温度Fig.5 Plasma temperature during laser wire filling welding

由图2可知光谱仪测得的谱线具有一定宽度, 这是因为等离子体中辐射的粒子受到周围电子和离子的微观电场干扰, 并在谱线轮廓上反映出来。 研究表明, Stark展宽是影响谱线宽度的主要机制^[17], Stark展宽的半高全宽Δ λ _1/2与原子电子密度N_e的关系为

Δλ1/2=2ωNe1016+3.5ANe10161/4×1-34ND-1/3ωNe1016(4)

式(4)中, 第一项表示的是电子碰撞对谱线展宽的影响, ω 是电子碰撞系数, 第二项是离子碰撞对谱线展宽的作用, A是离子碰撞展宽系数, N_D是德拜球内的粒子数。 由于电子碰撞对谱线展宽的贡献远远大于离子碰撞, 因此可以忽略离子对 Stark展宽的作用, Δ λ _1/2与N_e的关系可简化为

Δλ1/2=2ωNe1016(5)

对测定的谱线进行洛伦兹拟合, 洛伦兹函数为

Lλ=2πΔλ1/24(λ-λ0)2+Δλ1/22(6)

式(6)中, λ 和L_λ 分别是实测的波长与强度值, λ ₀表示谱线的中心波长。 本文选取Cr Ⅰ 532.83 nm谱线进行电子密度的计算, 拟合结果如图6所示, 可以看到谱线基本符合洛伦兹线型, Δ λ _1/2为0.475 nm。 由文献[18]可知在5 000 K时, Cr Ⅰ 532.83 nm谱线的电子碰撞系数为0.1, 从而求得N_e=2.375× 10¹⁶ cm^-3。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 Cr Ⅰ 532.83 nm波长的测量点及洛伦兹线型拟合结果Fig.6 Measurement points of Cr Ⅰ 532.83 nm and Lorentz linear fitting results

为判断激光填丝焊时光致等离子体是否满足局部热力学平衡状态所需的电子密度阈值, 本文采用McWhirter准则, 见式(7)

Ne> 1.6×1012T12(ΔEnm)3(7)

式(7)中, Δ E_nm为元素相邻能级间的最大能级差。 计算可知, 激光填丝焊时光致等离子体电子密度大于所需的电子密度阈值1.427× 10¹⁵ cm^-3, 表明此时激光致等离子体满足热力学平衡状态。

在激光填丝焊接过程中, 由于光斑直径小, 当送丝不稳定时极易导致表面成形质量变差, 此时获取的光谱数据也呈现波动变化, 如图7(a)所示。 对光谱中的14条线谱进行分析, 发现Mn Ⅰ 403.08 nm与Cr Ⅰ 谱线强度变化规律一致, Fe Ⅰ 谱线与前两者不同。 因此, 辐射光强的时域变化可归为2种形式, 如图7(b)蓝线所示。 由于光强受焊接过程复杂影响, 其波动较大, 为便于分析本文对其进行窗口平滑处理, 处理后的曲线如图7(b)中红线所示。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 激光填丝焊成形质量与光谱数据的对应关系 (a): 三维光谱数据; (b): 焊缝形貌与线谱; (c) 电子温度曲线Fig.7 Relationship between laser wire filling welding quality and spectral data (a): Three-dimensional spectra; (b): Weld morphology and line spectrum; (c): Electron temperature curve

从图7(b)可以看出, 在(1)、 (3)阶段激光填丝堆焊焊道平稳, 表明该焊接过程较稳定。 此时Cr Ⅰ 529.83 nm谱线强度时域图中反映为数值较高, 而Fe Ⅰ 636.44 nm谱线强度较低。 这是因为焊丝在送进时被激光持续加热融化形成熔滴, 熔滴在表面张力作用下稳定地过渡到熔池中, 整个过程中焊丝受到了充分的加热, 且熔滴始终落于既定焊道上。 在此期间, 电离能较低的Cr原子受加热作用跃迁到激发态, 随后自发向低能级跃迁, 同时自发辐射出的Cr Ⅰ 529.83nm波长段的光子被光纤探头精准捕获, 因此Cr元素谱线强度在该阶段较高。 而在(2)、 (4)阶段焊道紊乱, 表明该焊接过程稳定性较差。 此时Cr Ⅰ 529.83 nm谱线强度时域图中表现为数值较小, 而Fe Ⅰ 636.44 nm谱线强度较大。 这是由于焊丝在送给过程中融化形成大熔滴挂在焊丝尾部, 最后在重力和表面张力的作用下脱离焊丝, 进入熔池。 整个过程中焊丝未能稳定过渡, 形成的熔滴没有落于既定焊道上, 光纤探头测量到的光强较弱, 因而Cr Ⅰ 529.83 nm谱线强度在该阶段较小。 但正是大熔滴的形成, 让激发能较高的Fe Ⅰ 得到激发, 谱线强度增大, 其尖峰出现时刻对应焊缝不连续的突变位置。

对焊接过程的电子温度进行求解, 并进行平滑过滤, 结果如图7(c)。 可以看到, 在施焊初期电子温度急剧增大。 随着等离子体体积扩展, 其内能转化为动能, 在125 ms内降至5 000 K并在该值附近稳态波动。 当送丝不稳定导致偏丝缺陷时, 电子温度急剧突变。 分析认为, 在(2)阶段下降是由于光纤探头测量的Cr Ⅰ 谱线强度较低, 尤其是Cr Ⅰ 532.83 nm谱线强度降低幅度更大, 导致Boltzmann作图法求解的斜率变小。 在(4)阶段时, 熔滴爆断会释放能量, 等离子体内能增加, 因而电子温度表现出先剧增后降低的现象。

基于上述数据, 本文利用单层前馈神经网络构建焊缝成形分类识别模型, 模型输入为平滑处理后的Cr Ⅰ 529.83 nm谱线强度、 Fe Ⅰ 636.44 nm谱线强度以及电子温度, 输出为成形良好和偏丝缺陷两类。 隐含层节点设置为10个神经元, 将805个样本随机分成3份, 其中70%作训练集用于调整模型参数, 15%作为验证集用来测试模型的泛化能力。 选择量化共轭梯度反向传播算法训练网络, 当验证集中交叉熵值变大时停止训练, 剩余的15%作测试集用于测试模型性能。 全体数据三维图如图8(a)所示, 训练过程中损失函数的变化及最终测试集的混淆矩阵分别如图8(b)、 图8(c)所示, 当训练到28轮时, 交叉熵为0.114, 此时模型对焊缝成形质量的分类识别准确率最高, 达到88.4%, 两类样本中各有7个识别错误。 采用同样的模型结构, 选择不同的初始权重, 重复预测10次, 对焊缝成形质量分类的平均准确率为88%。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 基于指定线谱与电子温度特征的焊缝表面质量分类识别 (a): 特征的三维图; (b): 神经网络训练过程; (c)测试集的混淆矩阵Fig.8 Classification of weld surface quality based on specified line spectrum and electron temperature (a): Three-dimensional image of the features; (b): Neural network training process; (c): Confusion matrix of test set

显然, 直接选择感兴趣的特征线谱强度及电子温度作为神经网络的输入, 可以实现缺陷的分类识别, 但准确率还有待提高, 分析认为改进的方向在于如何更加充分利用丰富的光谱信息、 避免有效信息的遗漏。 通过上述研究, 可以发现特定的线谱数据在表面成形质量上具有较好的特征表达, 结合连续谱进行预测分析是提高数据利用率的有效途径。 根据光谱仪设备构成可知, 激光填丝焊时每一时刻的光谱图由2 068个光强值组成, 各波长点之间存在复杂的相关特征, 如图9所示。 如何处理2 068维光谱数据, 从中提取出表征焊接过程的特征是提高识别准确率的关键。 t分布随机邻域嵌入(t-stochastic neighbor embedding, tSNE)作为流形学习中在数据可视化上效果最好的算法之一^[19], 其进行维数约简的核心思路是保证数据在高维空间和低维空间有相似的分布。 本文采用tSNE对光谱数据进行特征提取的整体流程如图10所示。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 激光填丝焊光谱数据相关性分析结果Fig.9 Correlation analysis of spectral data acquired during laser wire filling welding

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 基于t分布随机邻域嵌入的光谱特征提取过程Fig.10 Spectral feature extraction process based on tSNE

经过前文分析可知, 激光填丝焊时线谱主要表现为两类变化模式, 若考虑连续谱的变化规律, 则整个光谱可约简至3维。 采用t分布随机邻域嵌入得到的低维嵌入向量及其平滑处理后的结果如图11(a)所示, 3个低维映射数据分布如图11(b)所示。 可以看到, 数据在X-Z投影面的重叠区明显小于图8(a)中区域。 采用同样的神经网络结构进行焊缝质量的分类识别, 训练过程中损失函数的变化及最终测试集的混淆矩阵分别如图12(a)、 图12(b)所示, 当训练到40轮时, 交叉熵为0.036, 此时模型对焊缝成形质量的分类识别准确率最高, 达到96.7%, 两类样本中共有4个识别错误。 随机生成不同的初始权重值, 进行10次预测, 平均准确率为97%。

图11

Fig.11

	Figure Option ViewDownloadNew Window
	图11 维数约简后的光谱特征 (a): 低维嵌入向量及其平滑处理结果; (b): 三维图Fig.11 Spectral features after dimensionality reduction (a): Low-dimensional embedding vector and smoothing process results; (b): Three-dimensional diagram

图12

Fig.12

	Figure Option ViewDownloadNew Window
	图12 基于t-SNE降维特征的焊缝表面质量分类识别 (a): 神经网络训练过程; (b): 测试集的混淆矩阵Fig.12 Weld quality classification based on features extracted by tSNE (a): Neural network training process; (b): Confusion matrix of test set