星讲堂｜上海工程技术大学等单位《JMP》: 激光束焊接现场光学监测的进展与展望：传感、表征和建模

博客文章

星讲堂｜上海工程技术大学等单位《JMP》: 激光束焊接现场光学监测的进展与展望：传感、表征和建模

摘要

激光焊接作为一种高精度、高柔韧性、深熔深的连接技术，受到了学术界和工业界的广泛关注。到目前为止，重复性和稳定性的缺乏仍然被认为是阻碍其更广泛应用的关键技术障碍，特别是对于要求苛刻的高价值产品。克服这一艰巨挑战的一个重要方法是现场监测与人工智能(AI)技术相结合，这已经被大量的研究工作所探索。监测的主要目标是收集有关过程的基本信息，并提高对正在发生的复杂焊接现象的了解。本文首先介绍了动态LBW过程中的原位光学传感、行为表征和过程建模方面的研究进展。然后，重点介绍了多光谱光电二极管、光谱仪、高温计和高速相机等光学辐射技术，用来观测激光熔池、小孔和蒸汽羽流等物理现象。特别是，提出了先进的图像/信号处理技术和机器学习模型，以确定工艺参数、工艺特征和产品质量之间的相关性。最后，讨论了主要的挑战和潜在的解决方案，以深入了解在基于金属的LBW工艺的工艺监测领域仍需实现的目标。这一全面的回顾旨在为那些寻求引入智能焊接能力的人提供最先进的参考，因为他们正在改进和控制焊接质量。

引言

传统的电弧焊技术相比，激光束焊接（LBW）在实现自动化制造加工、高效率生产和获得高质量焊缝方面显示出显着的优势。此外，LBW作为一种具有深穿透深度、高精度、较小变形和良好灵活性的有前景的连接技术而广受欢迎。LBW作为一种先进制造技术，已广泛应用于各个工业领域，从小型手工焊接到汽车、航空航天、造船和电子制造领域的全自动焊接。然而，LBW涉及许多复杂的物理过程，包括金属熔化/凝固、小孔形成和激光-金属相互作用，从而导致非常复杂的传输现象，因此最终的焊接质量很容易受到一些工艺变量和缺陷的影响，包括高水平缺陷孔隙率、不稳定性和金属飞溅。潜在的焊接缺陷会显着削弱焊接部件的机械性能，并增加部件疲劳的风险，从而导致焊接产品不合格。

为了提高产品质量和抑制焊接缺陷，并进一步更好地了解焊接过程中发生的复杂现象，提出了一系列现场监测方法，为表征过程和控制提供有价值的信息。质量。主流监测解决方案的设计理念主要依赖于利用激光与金属相互作用中产生的激光物理现象，包括熔池、小孔和羽流。这些物理现象携带各种类型的焊接信息，例如声发射、电、热辐射和视觉信号，这些信号与焊接工艺和接头质量密切相关。因此，正确利用各种监测传感器和系统是准确描述激光焊接过程的关键问题。例如，麦克风或压电元件用于收集空气传播和结构声发射（AE）信号。采用包括电荷耦合器件（CCD）、互补金属氧化物半导体（CMOS）和带有特殊滤光片的高速相机在内的视觉传感器来捕获熔池、羽流和飞溅物的图像。利用光谱仪和基于光电二极管的传感器来收集包括可见光 (VIS)、红外光 (IR) 和紫外光 (UV) 波长的光信号。近红外（NIR）相机和高温计可用于收集焊接区域发出的热信号。复杂的监控系统通常由上述传感器组成，可以更全面地收集各类焊接信息。

近年来，一些发表的评论介绍了各种先进传感技术（即视觉相机、声发射、超声波检测和涡流技术）在激光焊接检测中的有效应用，并总结了利用人工智能的尝试。AI）焊接质量识别技术。此外，肯塔基大学焊接研究实验室[21]系统地分析了先进焊接制造的三步方法：i）预设计，根据可用工艺选择工艺和接头设计；ii) 使用模型来预测一组给定焊接参数的结果的设计；iii) 实时传感和控制，通过基于现场监测和自适应控制的参数调整来克服焊接条件的偏差。事实上，大多数提到的研究主要展示了测量相关特征的能力，并研究了焊接参数对这些测量量的影响。此外，由于光学传感技术具有非接触、直观、集成、灵活和多功能等一系列优点，主要被选择用于原位、实时监测LBW过程。事实上，在主流文献中，关键术语“监控”被用来表示现场数据收集、特征提取和动态过程建模。从统计学的角度来看，术语“监控”不仅指数据收集，还指通过自动报警规则识别过程/缺陷[23]。需要这种监测方法来真正提高下一代LBW系统的智能能力。因此，本综述的范围主要集中在光学过程监测方面，涉及观察、实验和系统信息收集，特别关注以下内容的讨论：原位传感技术、多特征表征和过程建模。

图1. 传导焊接和 (b) 小孔焊接模式下激光束焊接

图 2. 传导焊接和 (b) 小孔焊接模式下激光束焊接中激光束物理原理的示意图

图 3.全熔透期间激光束小孔焊接的示意图 (a) 和 (b) 常见焊接缺陷示例

图 4. 工艺参数、工艺特征和工艺质量之间的相互关系

图 5. LBW 工艺中多波长的原位光学传感技术

图6 光学监测系统示意图及不同光辐射波段

图 7. 集成到传统激光头中的光学传感系统

图8. 激光真空焊接过程中分光镜测量系统(a)和等离子体羽流光谱(b)示意图

图 9. (a) 不同温度下理想黑体的光谱辐射率和 (b) 带高温计传感器的同轴温度监测系统

图10. 深熔焊接的焊接区基本上由三个区域组成：焊点位置的毛细管、液态焊池和凝固焊缝

图 11.开发的离轴视觉传感平台，用于捕获基于激光的制造过程中的小孔、熔池和羽流的图像：(a) 远程激光焊接；(b) 脉冲激光点焊[；(c) 激光电弧复合焊]；(d)脉冲激光缝焊

图 12. 盘式激光焊接的多光学传感示意图

图 13. (a) 具有在线 X 射线观察的焊接实验设施和 (b) 毛细管激光焊接过程的典型 X 射线图像

图14. 基于金属-玻璃“三明治”成像技术的脉冲激光焊接过程中小孔深度波动

图 15. LBW 过程中行为表征技术的总体分类

图16. 熔池和小孔的图像处理流程

图 17. 激光焊接时频分析中的缺陷检测

图 18. 不同传感器采集的光信号的几个分解级别的小波分解

图 19. 基于 OCT 数据和 ANN 模型的焊接质量预测

图 20. 用于激光焊接实时质量监控的有监督深度学习

文献中有越来越多的研究旨在了解LBW的性质和过程，它们对产品质量的影响，以及如何通过作用于几个可控参数来减轻或避免这些影响。事实上，金属LBW工艺缺乏稳健性和稳定性已被广泛指出，这是一个值得做出相当大研究努力和技术进步的主要问题。现场监测解决方案的开发和实施是推动LBW系统产业化突破的优先事项。本审查总结了以下一些结论：

1）针对不同的可观察特征提出了原位传感，包括熔池、等离子体羽流和飞溅。其他原位无损检测系统目前正在开发中，例如光学相干断层扫描、X射线，可能在不久的将来实施和测试。

2）基于光辐射和视觉传感技术，广泛应用先进的图像/信号处理算法来提取关键特征并描述激光物理现象的显着特征。

3）最近的发展导致了先进的过程监控系统，该系统集成了用于焊缝形成预测和缺陷诊断的机器学习技术，以控制焊缝质量。越来越多的研究人员开始引入深度学习来分析原始信息，提取激光焊接过程的复杂特征。

虽然这些都是目前正在研究的领域，但新的过程监控方法的开发仍有很大的空间。随着这一领域的进一步成熟，我们无疑会看到正在开发的原位传感方法的组合以及表征和过程模型的进一步进展。每项开发都有望提高 LBW 工艺的可靠性和稳定性，从而释放智能和可持续制造技术在各个行业领域的全部潜力。

论文信息

Progress and perspectives of in-situ optical monitoring in laser beam welding: Sensing, characterization and modeling

https://doi.org/10.1016/j.jmapro.2022.01.044

本文版权归原作者所有，仅供交流学习之用，最终解释权归本公众号所有

星讲堂｜上海工程技术大学等单位《JMP》: 激光束焊接现场光学监测的进展与展望：传感、表征和建模

展会直击|星汉激光携最新技术成果在慕尼黑上海光博会圈粉无数！

星汉风冷手持激光切焊X系列宣传片重磅发布