Microstructure and impact toughness of laser-arc hybrid welding simulated heat affected zone of high strength low alloy steel
-
摘要: 采用焊接热模拟技术制备了低合金高强钢激光电弧复合焊热影响区的均匀化组织试样，并结合示波冲击试验和组织精细化表征技术分析了热模拟试样组织与韧性之间的关系. 结果表明，热模拟粗晶区、细晶区组织为板条马氏体，临界区组织为马氏体和晶界碳化物，亚临界区组织为回火马氏体；峰值温度对热模拟试样裂纹形成功影响不大，对裂纹扩展功具有较大影响；热模拟临界区和粗晶区试样抵抗裂纹扩展的能力较差；当峰值温度相同时，热模拟粗晶区试样的冲击吸收能量随冷却速度的变化不大. 峰值温度主要影响热模拟粗晶区试样裂纹稳定扩展功，峰值温度越高，裂纹稳定扩展功越低. 热模拟粗晶区试样断裂过程属于裂纹扩展控制，马氏体板条块是控制其裂纹稳定扩展的微观组织单元.Abstract: Homogeneous specimens of the laser-arc hybrid welding heated affected zone (HAZ) of low alloy high strength steel were prepared by welding thermal simulation technology. The instrumented impact test and microstructure characterization technologies were used to analysis the relationship between the microstructure and toughness of the simulated specimens. The results showed that the simulated coarse grained HAZ (CGHAZ) and fine grained HAZ (FGHAZ) composed of lath martensite (LM) and the inter-critical HAZ (ICHAZ) compose of LM and grain boundary carbide, the sub-critical HAZ (SCHAZ) is comprised of tempered martensite. The peak temperature has little effect on the crack initiation energy, but large effect on the crack propagation energy. The simulated ICHAZ and CGHAZ specimens have poor resistance to crack propagation. When the peak temperature is the same, the impact energy of the simulated CGHAZ specimens have little change with various the cooling rates. The peak temperature mainly affects the crack stable propagation energy and the crack stable propagation energy decrease as the peak temperature increase. The fracture process of the simulated CGHAZ specimen was controlled by the crack propagation, and the block was the microstructure unit controlling the crack stable propagation.
-
0. 序言
动力电池作为新能源电动汽车的核心组件，其性能和安全性依赖于制造过程中每个环节的质量控制. 激光焊因其高精度、高速度等优点，被广泛应用于方形和软包动力电池模组制造[1]，高质量的焊接连接确保电芯与模组之间的电流传输稳定，有效降低接触电阻，减少发热量，提升能量转换效率和延长电池寿命[2]. 然而，传统单模高斯激光焊易导致金属飞溅缺陷，增加电池接头的电阻和热损耗，降低整体性能和安全性[3]. 为应对这些挑战，探索新型激光焊技术，以实现飞溅的抑制成为关键方向.
近年来，可调环模VBP激光作为新型激光热源，通过合理分配激光能量，提升焊接过程的稳定性，但激光焊过程过于复杂，热−力耦合效应对成形质量的影响规律尚不明晰. 前期研究表明[4]，在内外环激光功率比为1∶2 ~ 1∶3时，焊接稳定且飞溅率最低.然而，这些研究主要停留在定性分析，缺乏准确的飞溅状态量化研究，需要开发高时空分辨的实时测量方法，为精细调控激光能量提供指导，也为焊接质量闭环控制提供关键反馈.
声发射传感方法和光电同轴传感系统在激光焊缺陷预测和熔透状态分类识别方面取得进展[5–7]，但受噪声干扰和间接传感技术的局限.而高分辨率光学相干层析成像(OCT)技术可实现焊接过程中匙孔深度的精确测量[8]，但不能直接与实际焊接质量等同，所以需要结合机器学习方法，建立匙孔深度与飞溅状态的数据驱动模型. 为此，搭建基于OCT传感技术的VBP激光焊实时监测系统，通过1DCNN-BiLSTM深度模型，实现对焊接过程飞溅状态的精准预测，最终在动力电池VBP激光焊平台试验中证实方法的有效性和可靠性.
1. 试验设计与数据采集
1.1 试验材料与设备
试验所用的材料为1060铝合金，材料尺寸为100 mm × 80 mm × 2 mm. 如图1所示，搭建了一套基于OCT传感技术的铝合金VBP激光焊实时监测平台，主要由自主设计研发的谱域光学相干层析成像(SD-OCT)模块和数据采集系统、高功率准直聚焦焊接头(KCTII BLFIW-01)和VBP激光器(EVERFOTON 长飞光坊 FFSC-2000SM/4000)等构成，其中内外环激光峰值功率分别为2 kW和4 kW，内外环芯径为14/100 μm，试验工艺参数设计见表1.
![]()
图 1 基于光学相干断层扫描技术可调环模激光焊监测平台Figure 1. Laser welding monitoring platform based on optical coherence tomography technology表 1 试验工艺参数Table 1. Experiment parameters design内环功率
P1/W外环功率
P2/W离焦量
f/mm焊接速度
v/(mm·s−1)保护气体流量
q/(L·min−1)0 ~ 1 500 0 ~ 1 500 0 150 25 1.2 光学相干断层扫描分析
如图2所示，采用SD-OCT测量模块和数据采集系统，采样频率为250 kHz，轴向分辨率达20 μm，实现激光焊过程中的匙孔深度在线测量. 具体原理如下：利用低相干光源(SLD)通过光纤耦合器分成两个光束，一个光束经过工件平面返回，另一个光束与激光束同轴到达匙孔底部返回. 两个光束经过光纤耦合器干涉，利用光谱仪线阵相机获取光谱干涉条纹图像，对其功率谱密度进行逆傅里叶变换处理，从而获取匙孔深度信息.
1.3 “匙孔深度−飞溅状态”的数据集构建
根据前期高速摄影观察研究[4]以及图3可知，飞溅发生最小周期为12 ms左右，飞溅缺陷长度一般在2 ~ 6 mm，根据焊接速度150 mm/s换算飞溅发生的周期一般为23 ~ 40个匙孔深度数据，则取单个采集数据量为400个. 进行了30余组不同内外环激光功率试验，并对预处理后的匙孔深度数据进行分类，有飞溅标注为S(spatter)，无飞溅标注为NS(no spatter)，得到飞溅数据581个，无飞溅数据1 065个.
![]()
图 3 匙孔深度数据波动特征与飞溅关系Figure 3. Relationship between keyhole depth data fluctuations and spatter. (a) spatter; (b) no spatter2. 飞溅评估模型设计
2.1 模型单元设计
2.1.1 1DCNN单元
焊接过程采集到的匙孔深度数据是一维时间数据，其局部时序相关性反映出了焊接质量，考虑到其数据特征，使用1DCNN网络单元也就是一维卷积层对数据进行特征提取并捕捉时序关系[9]，且卷积层后通常紧跟一层池化层， 其可对特征进行二次提取，同时减少因卷积运算而产生的参数，进而降低网络的训练代价.
2.1.2 BiLSTM单元
由于匙孔深度数据包含了丰富的焊接飞溅特征信息，但其信号时序波动关系复杂，且包含许多冗余信息. 为有效过滤噪声和冗余信息，并提取有用的深度特征，在1DCNN后使用双向长短期记忆网络(BiLSTM)，可在提取局部特征的基础上进一步捕捉全局特征和序列依赖关系，增强对飞溅的评估能力[10].
BiLSTM单元由两层相反的长短时记忆网络(long short-term memory，LSTM)组成，匙孔深度特征通过输入门it进入网络，单元状态Ct中储存了之前累积的匙孔深度特征的长期记忆，遗忘门ft对长期记忆的匙孔深度特征选择性丢弃，只保留重要的信息，输出门ot将当前输入的匙孔深度特征和上阶段积累的前期记忆相结合作为此时刻网络的输出，通过这种方式，可以极大程度地保留每个时间步中的匙孔深度特征，更准确地反映焊接过程的状态和质量.
2.2 超参数优化
贝叶斯优化通过揭示神经网络黑箱函数的全局最优解，能最大化资源利用率，处理噪声数据，并有效利用非连续空间达到全局最小[11]. TPE算法在建模阶段利用评估结果构建概率模型，分别建立x属于更好结果和较差结果时的概率密度函数. 在采样阶段，EI的计算基于两个模型的比值，通过选择使EI(x)最大的x选定效果较好的超参数. 各模型的卷积核尺寸为3，Batchsize为256，Epochs为200，损失函数为交叉熵模型. 通过此法得到各种模型的最佳超参数见表2.
表 2 各模型最佳超参数Table 2. Optimal hyperparameters for each model模型名称 各卷积核个数N/个 LSTM层数n1/层 隐藏层数n2/层 Dropout值 学习率α(10−5) 总参数数量M 1DCNN 32/256/512 — — 0.40 17 444 386 LSTM — 4 128 0.20 5.7 465 970 BiLSTM — 3 256 0.30 8.1 369 464 1DCNN-LSTM 16/256 2 128 0.37 1.0 344 482 1DCNN-BiLSTM 32/128 2 128 0.14 1.4 676 242 2.3 1DCNN-BiLSTM复合模型
1DCNN-BiLSTM模型架构如图4所示. 模型首先通过一维卷积层提取匙孔深度数据的局部特征，然后通过最大池化层下采样，减少特征长度和计算复杂度. 经过两次这样的操作后，使用双向长短期记忆网络(BiLSTM)提取数据的全局特征和序列依赖关系. 引入Adam优化器，并通过Dropout层随机丢弃部分神经元，防止过拟合，提高泛化能力，最后通过全连接层将匙孔深度的飞溅特征转换为飞溅(S)状态和无飞溅(NS)状态的概率分布.
3. 试验结果与分析
应对识别飞溅使用二分类中常用的准确率A(accuracy)精确率P(precision)、召回率R(recall)和 F1值(F)4个指标对模型性能进行评估. 各指标对比结果见表3，1DCNN-BiLSTM模型的测试集准确率和损失曲线如图5所示，可以看出1DCNN模型在精准度上优于LSTM和BiLSTM模型，表明匙孔深度数据在飞溅时会导致局部数据波动，这使得对局部敏感的卷积模型表现更好. 1DCNN-BiLSTM模型随着迭代次数增加，损失值逐渐下降且稳定，这说明1DCNN-BiLSTM模型结合了1DCNN和BiLSTM的优点，在挖掘复杂时序波动关系以及飞溅特征和应对冗余信息方面表现优异，有效实现了激光焊过程的飞溅评估.
表 3 各模型指标Table 3. Metrics for each model模型名称 准确率
A(%)精确率
P(%)召回率
R(%)F1值
F(%)1DCNN 86.93 86.95 86.93 86.94 LSTM 80.24 83.21 80.24 78.87 BiLSTM 82.06 85.77 82.06 80.67 1DCNN-LSTM 97.87 97.82 97.87 97.85 1DCNN-BiLSTM 99.69 99.68 99.69 99.65 4. 结论
(1) 针对动力电池铝合金VBP激光焊过程，设计并搭建了基于SD-OCT传感技术的激光焊过程监测平台，实时获取了动态焊接过程的匙孔深度信息，并构建了“匙孔深度−飞溅状态”的样本数据集.
(2) 构建了1DCNN-BiLSTM算法的复合模型，深度挖掘了反映飞溅动力学的局部—全部时序特征.
(3) 相比1DCNN，LSTM和BiLSTM模型，提出的1DCNN-BiLSTM复合模型能够准确地判断飞溅状态，其识别准确率达到99.69%，能够满足VBP焊接飞溅定量评价要求，并在实际焊接平台得到验证.
-
![]()
图 1 热模拟试样的光学显微组织
Figure 1. Optical microstructure of simulated specimens .(a) 660-5; (b) 690-5; (c) 760-5; (d) 800-5; (e) 900-5; (f) 1100-5; (g) 1200-5; (h) 1300-5
![]()
图 2 热模拟试样的扫描电子显微组织
Figure 2. Scanning electron microstructure of simulated specimens. (a) 900-5; (b) 1300-5
![]()
图 3 不同峰值温度热模拟试样的示波冲击吸收能量特征值
Figure 3. Instrumented impact energy parameters of simulated specimens under different peak temperature TM
![]()
图 4 不同t8/5热模拟CGHAZ试样的示波冲击吸收能量特征值
Figure 4. Instrumented impact energy parameters of simulated CGHAZ specimens under different t8/5
![]()
图 5 不同t8/5热模拟CGHAZ试样的光学显微组织
Figure 5. Optical microstructure of simulated CGHAZ specimens under different t8/5. (a) 1300-4; (b) 1300-5; (c) 1300-6
![]()
图 6 热模拟ICHAZ试样的微观断口形貌
Figure 6. Micro-fracture morphologies of simulated ICHAZ specimens. (a) 760-5; (b) 800-5
![]()
图 7 热模拟CGHAZ试样的微观断口形貌
Figure 7. Micro-fracture morphologies of simulated CGHAZ specimens. (a) 1100-5; (b) 1200-5; (c) 1300-5
![]()
图 8 不同峰值温度热模拟CGHAZ试样示波冲击吸收能量特征值
Figure 8. Instrumented impact energy parameters of simulated CGHAZ specimens under different TM
![]()
图 10 1300-5试样的多尺度亚结构表征
Figure 10. Multi-scale substructure characterization of 1300-5 specimen. (a) optical microstructure; (b) scanning electron microstructure; (c) electron backscattered diffraction; (d) transmission electron microstructure
![]()
图 11 不同峰值温度热模拟试样的多尺度亚结构尺寸与裂纹稳定扩展功
Figure 11. Multi-scale substructure grain sizes and crack stable propagation energy of simulated specimens under different TM
表 1 EQ70钢的化学成分 (质量分数，%)
Table 1 Chemical compositions of EQ70 steel
C Si Mn S P Cu Cr Mo V N B Al Ni Fe 0.12 0.25 1.09 0 0.004 0.28 0.58 0.53 0.04 0.003 9 0.000 9 0.074 2.46 余量 
下载: 导出CSV
表 2 焊接热模拟参数
Table 2 Welding simulation parameters
试样编号 HAZ微区 加热速度vH/(℃·s−1) 峰值温度TM/℃ 峰值温度停留时间tH/s 800 ~ 500 ℃冷却时间t8/5/s 1300-4 CGHAZ 400 1 300 1 4 1300-5 CGHAZ 400 1 300 1 5 1300-6 CGHAZ 400 1 300 1 6 1200-5 CGHAZ 400 1 200 1 5 1100-5 CGHAZ 400 1 100 1 5 900-5 FGHAZ 400 900 1 5 800-5 ICHAZ 400 800 1 5 760-5 ICHAZ 400 760 1 5 690-5 SCHAZ 400 690 1 5 660-5 SCHAZ 400 660 1 5
下载: 导出CSV
表 3 热模拟试样的示波冲击试验结果
Table 3 Instrumented impact test results of simulated specimens
试样编号 裂纹形成功
Ei/J裂纹稳定扩展功
Ea/J裂纹失稳扩展功
Eb/J撕裂功
Ec/J裂纹扩展功
Ep/J总冲击吸收能量
Et/J1300-4 28.6 3.4 2.0 8.0 13.4 42.0 1300-5 27.9 0.9 2.5 6.7 10.1 38.0 1300-6 28.4 2.4 1.9 8.6 12.9 41.3 1200-5 25.2 6.8 2.0 10.2 19.0 44.2 1100-5 25.0 9.0 2.3 10.5 21.8 46.8 900-5 29.0 18.4 7.5 12.3 38.2 67.2 800-5 25.7 5.8 0.6 14.3 20.7 46.4 760-5 24.8 6.6 0.4 12.2 19.1 43.9 690-5 37.4 42.8 3.2 25.6 71.6 109.0 660-5 34.8 47.6 1.1 31.5 80.2 115.0 母材 35.9 51.0 4.7 21.6 77.3 113.2
下载: 导出CSV
表 4 不同峰值温度热模拟试样的多尺度亚结构尺寸和刻面尺寸
Table 4 Multi-scale substructure grain sizes and facet size of simulated specimens under different TM
试样编号 原奥氏体晶粒尺寸
PPAGS/μm马氏体板条束宽度
Wpacket/μm马氏体板条块宽度
Wblock/μm马氏体板条宽度
Wlath/μm刻面尺寸
Sfacet/μm900-5 18.7 7.7 6.2 0.17 7.7 1100-5 42.9 13.8 11.5 0.18 11.7 1200-5 51.4 17.8 12.8 0.21 13.1 1300-5 75.8 22.5 16.9 0.23 18.6
下载: 导出CSV
-
[1] Zeng Huilin, Xu Yuanbin, Wang Changjiang, et al. Research on laser-arc hybrid welding technology for long-distance pipeline construction[J]. China Welding, 2018, 27(3): 53 − 58.
[2] 严春妍, 易思, 张浩, 等. S355钢激光-MIG复合焊接头显微组织和残余应力[J]. 焊接学报, 2020, 41(6): 12 − 18. doi: 10.12073/j.hjxb.20191014001 Yan Chunyan, Yi Si, Zhang Hao, et al. Investigation of microstructure and stress in laser-MIG hybrid welded S355 steel plates[J]. Transactions of the China Welding Institution, 2020, 41(6): 12 − 18. doi: 10.12073/j.hjxb.20191014001
[3] 滕彬, 李小宇, 雷振, 等. 低合金高强钢激光-电弧复合热源焊接冷裂纹敏感性分析[J]. 焊接学报, 2010, 31(11): 61 − 64. Teng Bin, Li Xiaoyu, Lei Zhen, et al. Analysis on cold crack sensitivity of low alloy high strength steel weld by laser-arc hybrid welding[J]. Transactions of the China welding institution, 2010, 31(11): 61 − 64.
[4] 王治, 王春明, 胡伦骥, 等. 激光-电弧复合焊接的应用[J]. 电焊机, 2006, 36(2): 38 − 41. doi: 10.3969/j.issn.1001-2303.2006.02.012 Wang Zhi, Wang Chunming, Hu Lunji, et al. Application of laser-arc hybrid welding in industry[J]. Electric Welding Machine, 2006, 36(2): 38 − 41. doi: 10.3969/j.issn.1001-2303.2006.02.012
[5] Zhang Shenghai, Shen Yifu, Qiu Huijuan. The technology and welding joint properties of hybrid laser-TIG welding on thick plate[J]. Optics Laser Technology, 2013(48): 381 − 388.
[6] Hao Kangda, Zhang Chen, Zeng Xiaoyan, et al. Effect of heat input on weld microstructure and toughness of laser-arc hybrid welding of martensitic stainless steel[J]. Journal of Materials Processing Technology, 2017(245): 7 − 14.
[7] Subashini L, Prabhakar K V P, Ghosh S, et al. Comparison of laser-MIG hybrid and autogenous laser welding of M250 maraging steel thick sections-understanding the role of filler wire addition[J]. The International Journal of Advanced Manufacturing Technology, 2020, 107(3): 1581 − 1594.
[8] Bao Liangliang, Wang Yong, Han Tao. Microstructure and mechanical characterization of high strength low alloy steel welded joint by hybrid laser arc welding[C]//International Conference on Mechanical Engineering, Materials Science and Civil Engineering 2019. IOP Conference Series Materials science and Engineering. 2020: 12045.
[9] Bao Liangliang, Wang Yong, Han Tao. Study on microstructure-toughness relationship in heat affected zone of EQ70 steel by laser-arc hybrid welding[J]. Materials Characterization, 2020, 171: 110788.
[10] 鲍亮亮, 王勇, 张洪杰, 等. EQ70钢激光电弧复合焊焊接热循环及其对热影响区组织演变的影响[J]. 焊接学报, 2021, 42(3): 26 − 33. doi: 10.12073/j.hjxb.20201207002 Bao Liangliang, Wang Yong, Zhang Hongjie, et al. Welding thermal cycle of the laser-arc hybrid welding of the EQ70 steel and its effects on the microstructure evolution of the heat affected zone[J]. Transactions of the China Welding Institution, 2021, 42(3): 26 − 33. doi: 10.12073/j.hjxb.20201207002
[11] Swarr T, Kruss G. The effect of structure on the deformation of as-quenched and tempered martensite in an Fe-0.2 pct C alloy[J]. Metallurgical Transactions A, 1976(7): 41 − 48.
[12] Inoue T, Matsuda S, Okamra Y, et al. The fracture of a low carbon tempered martensite[J]. Transactions of the Japan Institute of Metals, 1970, 11(1): 36 − 43. doi: 10.2320/matertrans1960.11.36
[13] Morris J W. On the ductile-brittle transition in lath martensitic steel[J]. Isij International, 2011, 51(10): 1569 − 1575. doi: 10.2355/isijinternational.51.1569
计量
- 文章访问数: 321
- HTML全文浏览量: 20
- PDF下载量: 58
