您當(dāng)前的位置:檢測(cè)資訊 > 科研開發(fā)
嘉峪檢測(cè)網(wǎng) 2022-03-22 23:42
金屬增材制造作為一種高效率、高精度、低損耗的復(fù)雜金屬零件加工制造方法,在航空航天、汽車船舶、生物醫(yī)學(xué)工程等領(lǐng)域的應(yīng)用前景十分廣闊。
金屬增材制造技術(shù)是一種與“減材制造”相反的,依據(jù)三維模型數(shù)據(jù),通過(guò)連接金屬材料(通常逐層連接)而獲得制件的加工工藝。按照金屬熔合方式不同,金屬增材制造技術(shù)可分為“直接法”和“間接法”兩種。
其中“直接法”利用高溫?zé)嵩粗苯尤刍饘賹?shí)現(xiàn)凝固成形,制件的成形精度、致密度及力學(xué)性能比較優(yōu)良,包括選擇性激光熔化(SLM)、電弧增材制造(WAAM)、電子束熔絲沉積(EBDM)等。
“間接法”主要采用低熔點(diǎn)的高分子等材料連接難以熔化的高熔點(diǎn)金屬粉末,從而實(shí)現(xiàn)材料的粘結(jié)成形,但需要后續(xù)熱處理等手段來(lái)保證制件的致密度和力學(xué)性能,包括選擇性激光燒結(jié)(SLS)、光固化成型(SLA)、熔融沉積成型(FDM)、分層實(shí)體制造(LOM)等。
然而,受限于金屬增材制造是分層打印成形方式,產(chǎn)品容易出現(xiàn)致密度差,組織性能各向異性,局部變形及應(yīng)力集中,并且伴隨氣孔、裂紋、夾雜等諸多缺陷問(wèn)題。
此外,制造過(guò)程中中間層的缺陷會(huì)直接影響后續(xù)金屬層,造成樣品尺寸誤差不斷累積、性能缺陷逐漸增加,甚至對(duì)整個(gè)制件造成不可逆轉(zhuǎn)的破壞,大大增加了制造成本。故當(dāng)前金屬增材制造產(chǎn)業(yè)亟需高效、便捷、合理的實(shí)時(shí)檢測(cè)方法來(lái)實(shí)現(xiàn)成形過(guò)程監(jiān)控并提高產(chǎn)品質(zhì)量。
相對(duì)于破壞性檢測(cè),無(wú)損檢測(cè)可以實(shí)現(xiàn)全體產(chǎn)品非破壞檢測(cè),并可在制造過(guò)程中實(shí)時(shí)進(jìn)行,實(shí)現(xiàn)對(duì)加工過(guò)程的在線反饋調(diào)節(jié),從而減少?gòu)U品率、提高制件品質(zhì)。依據(jù)檢測(cè)原理,無(wú)損檢測(cè)有超聲檢測(cè)、射線檢測(cè)、視覺(jué)檢測(cè)、電磁檢測(cè)、滲透檢測(cè)等多種方法。
金屬增材制造過(guò)程往往處于高溫、強(qiáng)磁場(chǎng)等特殊環(huán)境,受到飛濺、斷弧、煙霧、熱和電磁干擾等惡劣因素的影響,因此,針對(duì)金屬增材制造過(guò)程,依據(jù)成形材料的物理化學(xué)性質(zhì)、加工手段及設(shè)備的場(chǎng)景特點(diǎn)和制件的結(jié)構(gòu)特征,選取合適的無(wú)損檢測(cè)方式是必要的。
1 超聲檢測(cè)
超聲檢測(cè)通過(guò)耦合劑將超聲波導(dǎo)入到工件內(nèi)部,當(dāng)超聲波遇到內(nèi)部缺陷會(huì)生成缺陷回波而被傳感器接收,從而根據(jù)回波無(wú)損獲取制件內(nèi)部缺陷信息。
Lu Zhang等提出一種通過(guò)非接觸式空氣耦合超聲來(lái)檢測(cè)焊縫燒損的方法。焊縫截面特征和顯微組織情況如圖1所示,按照燒蝕程度,將焊縫分為良好焊縫(Good Weld,GW)和三種不同燒蝕穿透焊縫(Burn-Through Transitions,BTT1,BTT2,BTT3)。由于焊縫燒穿會(huì)導(dǎo)致大量的退化焊縫區(qū),阻礙聲波傳播,使得聲波速度、能量比和振幅降低,故而通過(guò)監(jiān)測(cè)超聲波衰減程度可表征焊縫燒蝕量大小。

圖1 焊縫截面特征和顯微組織情況
Cerniglia D等針對(duì)激光粉末堆積(LPD)設(shè)計(jì)了由脈沖激光器、連續(xù)激光器和干涉儀等組成的激光超聲波檢測(cè)系統(tǒng),如圖2所示。脈沖激光器發(fā)射的納米脈沖波在熱彈性機(jī)制作用下產(chǎn)生寬頻超聲波,激光接收器隨之產(chǎn)生與表面瞬時(shí)納米位移成正比的模擬信號(hào),通過(guò)處理該模擬信號(hào),可以獲取并記錄試樣當(dāng)前堆積層的厚度,從而檢測(cè)到試樣的實(shí)時(shí)近表面缺陷。該激光超聲檢測(cè)系統(tǒng)可依托原有LPD單元擴(kuò)展搭建,能在每層固化后立即在線檢測(cè)缺陷,具有較大的應(yīng)用潛力。

圖2 激光超聲波檢測(cè)系統(tǒng)
1—激光發(fā)射器;2—激光接收器;3—連接板;4—LPD組件;5—LPD系統(tǒng);6—KUKA機(jī)器人
Sarah EvertonPhill Dickens等使用激光超聲檢測(cè)由激光粉床熔覆Ti-6Al-4V粉末得到的制件中的近表面缺陷。結(jié)果發(fā)現(xiàn),由于超聲波的波長(zhǎng)為1064 nm,無(wú)法檢測(cè)到直徑大于700 μm的缺陷。
受益于超聲的高靈敏度和低成本,超聲檢測(cè)在金屬增材制造缺陷檢測(cè)中具有很大的發(fā)展?jié)摿?,可以?shí)現(xiàn)在線逐層檢測(cè)和離線近表面質(zhì)量評(píng)估。超聲檢測(cè)具有較高的分辨率和足夠的穿透能力,既能實(shí)現(xiàn)材料內(nèi)部的微觀結(jié)構(gòu)缺陷成像表征,也可以做到產(chǎn)品宏觀結(jié)構(gòu)的缺陷量化。
但由于超聲波的能量有限,難以檢測(cè)較深的缺陷,限制了其離線檢測(cè)的能力;超聲波可識(shí)別的缺陷尺寸范圍與其波長(zhǎng)相關(guān),會(huì)存在不同程度的漏檢情況;超聲檢測(cè)易受到噪聲影響,影響缺陷精準(zhǔn)識(shí)別和缺陷定性分類。
2 射線檢測(cè)
射線檢測(cè)通過(guò)射線源產(chǎn)生射線穿透工件內(nèi)部,在射線膠片上記錄所攜帶的物體內(nèi)部信息,最后經(jīng)顯影及定影等處理得到射線圖片。
Wenhui Hou等提出了一種基于X射線圖像自動(dòng)檢測(cè)焊縫缺陷的方案。首先對(duì)X射線圖進(jìn)行預(yù)處理后得到焊縫區(qū)域,再以焊縫區(qū)域圖像作為輸入,以圖像各點(diǎn)的缺陷概率作為目標(biāo)輸出,建立基于深度神經(jīng)網(wǎng)絡(luò)的缺陷檢測(cè)模型。最后利用滑動(dòng)窗口法對(duì)X射線圖進(jìn)行整體檢測(cè),如圖3所示。研究結(jié)果表明,此缺陷檢測(cè)模型能夠有效檢測(cè)焊接接頭質(zhì)量。

圖3 缺陷概率圖和檢測(cè)結(jié)果
Wits W W等采用SLM技術(shù)制備了40個(gè)Ti6Al4V鈦合金試樣,采用X射線斷層掃描(XCT)對(duì)比阿基米德法測(cè)得的孔隙率,通過(guò)靜載拉伸試驗(yàn)得到試樣屈服強(qiáng)度和抗拉強(qiáng)度等力學(xué)性能指標(biāo)。
試樣CT圖和力學(xué)結(jié)果對(duì)比如圖4所示,兩種孔隙率測(cè)量方法結(jié)果較為吻合,并且XCT能夠提供試樣內(nèi)部孔隙缺陷的尺寸、形狀、體積和分布的完整分析,測(cè)得的孔隙率能很好地反映試樣的拉伸性能。

圖4 試樣CT圖(左)和力學(xué)結(jié)果對(duì)比阿基米德和顯微分析結(jié)果(右)
Ziólkowski G等使用卡爾蔡司CT機(jī)對(duì)由選擇性激光燒結(jié)按照不同構(gòu)建方向制備的3種不銹鋼試樣進(jìn)行XCT掃描重建,如圖5所示。采用共聚焦顯微鏡(Confocal Microscopy,CM)進(jìn)行孔隙率驗(yàn)證,測(cè)試結(jié)果如表1所示。對(duì)于B、C試樣,兩種測(cè)試方法得到的孔隙率結(jié)果相近,而對(duì)于A試樣CM測(cè)得孔隙率為4.74%,是XCT測(cè)量值的3倍。這是由于XCT的分辨率有限,無(wú)法分辨最小直徑當(dāng)量低于一定值的孔隙,從而造成測(cè)得的孔隙率偏小,A試樣在兩種方法處理下的金相斷面如圖6所示。

圖5 三種建造方向制件模型圖及XCT掃描后重建圖
表1 XCT和CM方法三種試樣的孔隙率

圖6 A試樣兩種方法處理后的金相橫截面(上:XCT,下:CM)
射線檢測(cè)可以直觀顯示金屬工件的內(nèi)部缺陷,并可通過(guò)提升射線功率來(lái)適應(yīng)較厚工件。射線成形的影像清晰,檢測(cè)準(zhǔn)確性很高,可以直接判斷缺陷的種類、分布、數(shù)量和尺寸大小,并且檢測(cè)影像可以永久保留,便于對(duì)缺陷進(jìn)行定性定量以及數(shù)據(jù)統(tǒng)計(jì)分析,在工業(yè)中應(yīng)用十分廣泛。
但是射線發(fā)生器的體積大、價(jià)格高、射線輻射危害人體健康、防護(hù)要求嚴(yán)苛,因而不適合現(xiàn)場(chǎng)作業(yè)。由于顯影及定影、掃描重建等操作成本高、耗時(shí)長(zhǎng),射線檢測(cè)目前主要應(yīng)用在離線檢測(cè)領(lǐng)域,難以實(shí)時(shí)在線開展。
3 視覺(jué)檢測(cè)
視覺(jué)檢測(cè)先通過(guò)相機(jī)拍攝工件圖像,再?gòu)膱D像中提取的特征值等相關(guān)信息,之后采用相關(guān)算法和模型等分析處理,最后得到工件表面的成形情況和缺陷分布等。
Wang T設(shè)計(jì)了一種應(yīng)用于液態(tài)金屬噴?。↙MJP)原位液滴檢測(cè)與控制的閉環(huán)控制系統(tǒng),如圖7所示。該系統(tǒng)通過(guò)CCD相機(jī)拍攝液滴圖像并從中提取相應(yīng)特征(伴隨液滴、韌帶、體積和速度),再與參考輸入(理想噴射情況下的對(duì)應(yīng)特征值)對(duì)比,通過(guò)模糊控制來(lái)調(diào)整壓電驅(qū)動(dòng)電壓,使得之后的液滴趨于理想噴射,實(shí)現(xiàn)閉環(huán)控制。實(shí)驗(yàn)證明,該系統(tǒng)可以有效改善LMJP過(guò)程的穩(wěn)定性,提升噴印質(zhì)量,但在處理速度和特征提取精度方面仍有很大的進(jìn)步空間。

圖7 LMJP系統(tǒng)的原理與實(shí)物
Aminzadeh M等基于所開發(fā)的新型成像裝置,對(duì)金屬粉床增材制造中熔覆層的熔覆質(zhì)量和畸變進(jìn)行了實(shí)時(shí)檢測(cè),從每層中捕獲原位圖形并提取特征值,經(jīng)訓(xùn)練后的貝葉斯分類器處理,做到了實(shí)時(shí)檢測(cè)出含有缺陷的熔覆層或區(qū)域,從而實(shí)現(xiàn)了層內(nèi)缺陷和孔隙的可視化。
Tang等搭建了基于深度學(xué)習(xí)的電弧增材制造制件的表面缺陷識(shí)別系統(tǒng),采用工業(yè)CMOS相機(jī)采集制件表面圖像,經(jīng)過(guò)降噪、增強(qiáng)、提取感興趣區(qū)域(ROI)等預(yù)處理得到模型的輸入圖像。依據(jù)輸入圖像及其對(duì)應(yīng)的缺陷類別開展訓(xùn)練,得到卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)合支持向量機(jī)(SVM)的深度學(xué)習(xí)網(wǎng)絡(luò)模型,如圖8所示。結(jié)果表明,該模型對(duì)凹坑、氣孔、駝峰、咬邊這四類缺陷的識(shí)別率達(dá)到了95.29%。

圖8 CNN+SVM網(wǎng)絡(luò)模型
視覺(jué)檢測(cè)的主要設(shè)備是工業(yè)相機(jī),具有結(jié)構(gòu)簡(jiǎn)單、體積小、成本低、適應(yīng)性強(qiáng)等諸多優(yōu)點(diǎn),適合在工業(yè)現(xiàn)場(chǎng)使用。視覺(jué)檢測(cè)系統(tǒng)可以長(zhǎng)時(shí)間穩(wěn)定運(yùn)行,并且通過(guò)優(yōu)化算法和模型可以提高檢測(cè)速度,實(shí)現(xiàn)在線閉環(huán)控制。
然而,視覺(jué)檢測(cè)會(huì)受到制造現(xiàn)場(chǎng)弧光、激光等的強(qiáng)烈干擾,需要添加濾波片、偏振鏡等濾光設(shè)備并結(jié)合圖像增強(qiáng)算法來(lái)改善圖像質(zhì)量。
由于相機(jī)和計(jì)算機(jī)性能的快速提高與系統(tǒng)成本的降低,人工智能技術(shù)蓬勃發(fā)展,圖像數(shù)據(jù)集的不斷積累,視覺(jué)檢測(cè)技術(shù)正處于高速發(fā)展階段,是當(dāng)前的研究熱點(diǎn)。而將檢測(cè)結(jié)果反饋于制造過(guò)程,從而提供金屬增材制造的成形性、成品率與成形質(zhì)量,依然是無(wú)損檢測(cè)方法的主要應(yīng)用方向。
4 結(jié)論
(1)無(wú)損檢測(cè)在金屬增材制造過(guò)程中有巨大的應(yīng)用潛力,而提升金屬增材制造部件的成形性、良品率以及成形質(zhì)量,亟需通過(guò)在線無(wú)損檢測(cè)等手段實(shí)時(shí)監(jiān)控各層的成形情況,實(shí)現(xiàn)閉環(huán)控制。
(2)超聲檢測(cè)可用于在線檢測(cè),實(shí)現(xiàn)近表層缺陷檢查;射線檢測(cè)能直觀反映金屬產(chǎn)品的內(nèi)部缺陷情況,適合離線檢測(cè)重要結(jié)構(gòu)部位,而高速射線監(jiān)控系統(tǒng)的開發(fā)將為金屬增材制造在線過(guò)程監(jiān)控提供新的可行手段;視覺(jué)檢測(cè)系統(tǒng)的適應(yīng)性強(qiáng),適合于表面缺陷的離線以及在線檢測(cè)。
(3)依托大數(shù)據(jù)分析與人工智能算法,基于機(jī)器學(xué)習(xí)實(shí)現(xiàn)金屬增材制造過(guò)程的特征提取、缺陷自主定位及識(shí)別等,進(jìn)而實(shí)現(xiàn)增材制造產(chǎn)品質(zhì)量的在線閉環(huán)控制。同時(shí),基于多傳感復(fù)合以及工業(yè)互聯(lián)網(wǎng)的金屬增材制造過(guò)程數(shù)據(jù)的高速數(shù)采與智能分析,是提升金屬增材制造過(guò)程可靠性與部件質(zhì)量的重要發(fā)展方向。

來(lái)源:電焊機(jī)、汽車材料網(wǎng)