On-line monitoring of TIG welding quality of nuclear power plug tube based on arc spectrum
-
摘要:
为了实现受操作空间限制和辐射环境下，高温气冷堆蒸汽发生器传热管道堵管钨极惰性气体保护电弧焊(tungsten inert gas welding, TIG)的质量监测，搭建了一套基于光纤光谱仪的 TIG 焊接过程实时监测系统，用于核电传热管道堵管TIG 焊接熔深监测.试验研究采用该系统采集电弧光谱，利用主成分分析法获取不同焊缝熔深的光谱主成分特征，创新性提出了一种 ATT-L2R-BiLSTM 深度学习模型，实现了堵管TIG焊接过程中焊缝熔深的分类识别. 结果表明，实验室条件下模型准确率可达92.61%，比Bi-LSTM网络准确率提高5.11%，该模型在核电蒸汽发生器堵管验证平台进行了测试和验证，准确率达到99.26%，最终，实现了光谱信息不完备下TIG 焊接质量特征深度挖掘，以及TIG焊接熔深的精准评估.
Abstract:In order to monitor the quality of TIG welding for blocked tube welding of high-temperature gas-cooled reactor steam generators under the constraints of operation space and radiation environment, a real-time monitoring system based on a fiber optic spectrometer for TIG welding process was developed for monitoring the depth of penetration during welding. This study used the system to collect arc spectra and utilized Principal Component Analysis to obtain the spectral principal components of different weld penetration depths. An innovative ATT-L2R-BiLSTM deep learning model was proposed to achieve classification and recognition of weld penetration depth during blocked tube TIG welding. The results show that the model achieved an accuracy of 92.61% under laboratory conditions, which is 5.11% higher than that of the Bi-LSTM network. The model was tested and verified on a blocked tube verification platform for nuclear power steam generators, achieving an accuracy of 99.26%. Finally, deep mining of welding quality features and precise evaluation of weld penetration depth during TIG welding were achieved under incomplete spectral information.
-
0. 序言
TC11是一种α + β型热强钛合金，由于其良好的耐腐蚀性、热稳定性、抗蠕变性和高强度而被应用于航空发动机的压气机盘、叶片、环形件和紧固件中[1-4]，而钛合金高昂的原材料成本限制了其应用范围. 选区激光熔化(selective laser melting，SLM)技术利用激光逐层熔化金属粉末，能够实现复杂几何外形金属零件的近净尺寸成形[5-7]，具有成形精度高、试样表面质量好、适应性强、材料利用率和制造效率高等一系列优点[8-9]. 另外，SLM一般在惰性气氛舱或真空环境条件下进行，能够避免金属零件受到空气的污染，十分适合于钛合金零件的建造[10].
SLM技术可建造的零件尺寸受限于气氛舱和真空舱室的体积，无法实现超大几何尺寸零部件一体成形，可能需要通过焊接技术实现SLM零件间的连接. 另外，SLM零件在实际应用过程中可能需要与锻造基体进行连接. 然而，钛合金SLM试样的组织特征是粗大的原始β柱状晶粒，内部由细小的马氏体α相组成[11-13]，与锻造钛合金的组织存在明显差异，影响其焊接性能.
有关学者已经开展了增材制造钛合金的焊接性能研究. Chen等人[14]研究了40 mm厚激光沉积TC11合金电子束焊接接头的组织和力学性能，结果表明，焊缝组织为细小的针状马氏体α′，增材制造基体组织为片层状α相，因此，焊缝的显微硬度高于基体，且拉伸试验的断裂位置均出现在基体处. 另外，原始β晶粒存在明显的建造织构，建造方向的拉伸试样抗拉强度高于水平方向的拉伸试样. 同样，TC4作为α + β型钛合金，是目前应用最广泛、研究最充分的钛合金. Yu等人[15]研究了不同工艺下TC4激光焊接接头的力学性能，结果表明，选区激光熔化TC4(TC4-SLM)/TC4-SLM焊缝与TC4-SLM/锻造TC4(TC4-R)焊缝的显微硬度、强度和疲劳裂纹扩展速率接近. Xu等人[16]开展了电子束焊接方向对增材制造TC4(TC4-AM)/TC4-R接头性能的影响研究，结果表明，拉伸试样断裂位置均在增材试样处，且水平方向增材制造与锻造钛合金的焊接接头强度高于建造方向增材与锻造钛合金的强度. Sun等人[17]研究了TC4-AM/TC4-R激光焊接接头的力学性能，结果表明，TC4-AM/TC4-R合金激光焊接接头的力学性能取决于增材制造TC4合金的性能.另外，焊接方向与电子束熔化TC4建造方向的夹角由0°增加至45°时，接头断后伸长率由9.0%降低至6.0%. Qin等人[18]研究了电子束熔化TC4合金摩擦焊接头的微观组织和力学性能，结果表明，与增材TC4基体粗大的柱状晶粒不同，焊缝为等轴α晶粒；基体的抗拉强度和断后伸长率分别为1 046 MPa ± 13 MPa和10.0% ± 1.0%，接头抗拉强度和断后伸长率分别为1034 MPa ± 9 MPa和13.0% ± 1.0%.
目前的研究主要集中于增材制造/锻造钛合金焊接接头的微观组织和力学性能，锻造/锻造钛合金焊接接头和增材制造/增材制造钛合金焊接接头微观组织和力学性能的差异需开展深入研究. 因此，开展了TC11-R/TC11-R，TC11-AM/TC11-AM和TC11-AM/TC11-R的激光焊接，结合电子背散射衍射技术表征了焊接接头不同位置组织，并对比研究了不同焊接接头的微观组织、显微硬度和抗拉强度，为钛合金增材件与锻造件的应用提供理论和数据支撑.
1. 试验方法
1.1 试验材料
利用SLM-260型选区激光熔化设备增材制造尺寸为100 mm × 50 mm × 1.6 mm的TC11合金试样，激光波长为1 070 nm，光斑直径为60 μm. SLM工艺参数如表1所示.
表 1 SLM工艺参数Table 1. Process parameters of SLM激光功率
P/W扫描速度
v/(mm·s−1)填充间距
d/mm层厚
δ/mm350 1000 0.10 0.03 SLM TC11试样，即增材试样的致密度为99.7%，试样表面形貌如图1所示，表面存在大量部分熔化的TC11粉末，表面不平度为49.06 μm.其组织特征是粗大的原始β柱状晶粒，内部由相互交叉的细小马氏体α′组成，如图2所示.锻造TC11合金的微观组织为典型的等轴组织，由等轴α相和转变β组织组成如图3所示.
![]()
图 2 TC11-AM合金的组织形貌Figure 2. Microstructure morphologies of TC11-AM alloy. (a) low magnification; (b) high magnification增材制造和锻造TC11合金的力学性能如表2所示.SLM增材制造TC11合金抗拉强度为1691 MPa，断后伸长率为5.0%. 相比锻造TC11合金，强度提高了15.2%，塑性降低了50.0%.
表 2 TC11-R和TC11-AM 合金的力学性能Table 2. Mechanical properties of TC11-R and TC11-AM alloy材料 屈服强度
Rp0.2/MPa抗拉强度
Rm/MPa断后伸长率
A(%)TC11-R 1 380 1 468 10.0 ± 1.0 TC11-AM 1 565 1 691 5.0 ± 1.0 1.2 试验步骤
采用由IPG-8000型光纤激光器、ABB 6轴机器人和局部惰性气体保护装置组成的激光焊接系统，激光波长为1070 nm，光斑直径为200 μm. 利用砂纸和酒精打磨、清洗焊接坡口. TC11-R/TC11-R接头、TC11-AM/TC11-AM接头和TC11-AM/TC11-R接头采用激光焊工艺参数，即激光功率为1022 W、焊接速度为15 mm/s、离焦量为0 mm.
焊后利用电火花线切割机切取金相试样. 试样经过不同颗粒度的砂纸打磨和SiO2抛光液抛光后，利用keller试剂(HF∶HNO3∶H2O = 1∶3∶10)腐蚀.使用ZEISS Observer.Z1m型光学显微镜表征焊接接头的微观组织.使用扫描电子显微镜(scanning electron microscope, SEM)和牛津HKL-Channel5数据采集软件进行电子背散射衍射(electron backscattered diffraction, EBSD)试验.将试样置于温度为20 ℃，且25 V的电压下在由6%高氯酸、30%正丁醇和64%甲醇组成的电解液中电抛光40 s. 将处理好的试样进行EBSD数据采集和数据分析试验，步长为0.5 μm.
在XHVT-1000Z型显微硬度计上进行维氏硬度试验，加载载荷为5 N，加载时间为10 s，加载速度为30 μm/s. 利用电火花线切割机切取拉伸试样，拉伸试样尺寸如图4所示. 根据标准GB/T 2651—2008《焊接接头拉伸试验方法》在Instron万能试验机上进行拉伸试验，拉伸速率为0.2 mm/min. 为了保证数据的准确性，每组拉伸试验切取3个试样，结果取其平均值. 利用超声波清洗断口30 min后使用SU8230型扫描电子显微镜观察拉伸试样断口形貌.
2. 试验结果与分析
2.1 组织特征
图5、图6和图7分别为TC11-R/TC11-R接头、TC11-AM/TC11-AM接头和TC11-AM/TC11-R接头TC11合金焊接接头组织. 从图5a接头横截面可以明显分辨出焊缝区和热影响区，其宽度分别约为2.0 mm和0.8 mm. 焊缝区微观组织为粗大的柱状晶粒，柱状晶以母材为基体，沿着最佳散热方向，即垂直于焊接方向联生生长、竞争结晶(图5c)，晶粒内部为相互交错的细小针状马氏体α′. 由于热影响区散热条件良好，冷却过程中形成等轴β晶粒，这些等轴晶粒为焊缝区域晶粒的生长提供了形核基点[15]. 图6a为TC11-AM/TC11-AM接头横截面宏观形貌，可以根据原始β晶粒尺寸明显的区分出焊缝区域，但热影响区并不明显. 由于增材制造TC11试样表面存在大量分布不均匀的部分熔化粉末，粉末中间存在缝隙，这导致焊接接头外貌出现起伏，因此焊接接头出现明显的不对称现象. TC11-AM/TC11-AM接头焊缝微观组织与TC11-R/TC11-R接头类似，晶粒以热影响区晶粒为基体向焊缝中心生长，热影响区出现了等轴晶粒.图7a为TC11合金TC11-AM/TC11-R激光焊接头宏观形貌，接头的增材部分区域组织特征与图6a特征类似，锻造TC11部分区域组织特征与图5a特征类似. 增材部分和锻造部分的焊缝组织特征没有明显差异，说明母材的原始组织特征对焊缝组织无明显的影响.
![]()
图 5 TC11-R/TC11-R 接头的宏观和微观组织Figure 5. Macro-morphology and micro-structure of TC11-R/TC11-R joint. (a) macro-morphology of joint; (b) enlargement of area a1 in Fig. 5a; (c) enlargement of area a2 in Fig. 5a; (d) enlargement of area a3 in Fig. 5a![]()
图 6 TC11-AM/TC11-AM接头的宏观和微观组织Figure 6. Macro-morphology and micro-structure of TC11-AM/TC11-AM joint. (a) macro-morphology of joint; (b) enlargement of area a1 in Fig. 6a; (c) enlargement of area a2 in Fig. 6a; (d) enlargement of area a3 in Fig. 6a![]()
图 7 TC11-AM/TC11-R 接头的宏观形貌和微观组织Figure 7. Macro-morphology and micro-structure of TC11-AM/TC11-R joint. (a) macro-morphology of joint; (b) enlargement of area a1 in Fig. 7a; (c) enlargement of area a2 in Fig. 7a; (d) enlargement of area a3 in Fig. 7a2.2 显微硬度
图8为不同焊接接头的维氏硬度. 为了更加清晰地分辨不同接头维氏硬度分布的趋势，利用多项式拟合接头显微硬度，如图9所示. TC11-AM/TC11-AM接头不同区域维氏硬度分布较为均匀，焊缝和热影响区维氏硬度均值分别为449 HV和450 HV，相比母材分别增加了2.6%和3.0%. TC11-R/TC11-R接头不同区域维氏硬度存在明显差异，焊缝和热影响区维氏硬度均值分别是457 HV和434 HV，相比母材分别增加了16.0%和10.2%. TC11-AM/TC11-R接头中，增材侧和锻造侧焊缝维氏硬度值分别为452 HV和457 HV，差异不明显，说明母材的原始组织状态不影响焊缝的微观组织和力学性能.
![]()
图 9 不同焊接接头的硬度分布趋势Figure 9. Microhardness distribution trends of different welded joints图10为TC11-AM/TC11-AM接头不同区域组织反极图(IPF). 母材、热影响区和焊缝区域α相的平均宽度分别是1.34，1.38 μm和1.21 μm. 相比母材，焊缝区域α′相宽度降低了9.7%，这是因为增材试样的α′相受到后续沉积层的反复热处理，导致α′相长大[19]. 焊缝内更加细小的α′相增加了维氏硬度.热影响区维氏硬度的增加是α′相内位错密度增加引起的，母材、热影响区和焊缝中α′相的几何必要位错密度分别是3.34 × 1014，3.46 × 1014 m−2和3.26 × 1014 m−2.这可能是因为热影响区组织不均匀，冷却过程中较大的应力导致内部位错密度增加.图11为TC11-R/TC11-R接头不同区域IPF. 母材、热影响区和焊缝区域α′相的平均宽度分别是18.31，8.70 μm和1.18 μm. 焊缝区存在大量过饱和固溶体，针状马氏体α′相引起固溶强化. 另外，相比母材中的等轴α相，α′相尺寸小、位错密度高. 热影响区作为焊缝和母材的过渡区域，存在一定数量的针状马氏体α′相，使其硬度值升高. 图12为TC11-AM/TC11-R接头不同区域IPF.焊缝区中α′相的平均宽度为1.23 μm，增材制造TC11一侧热影响区中α′相的平均宽度为1.39 μm；锻件TC11一侧热影响区中α′相的平均宽度为7.94 μm；增材和锻造侧热影响区维氏硬度值分别为438 HV和415 HV，母材的原始组织状态是影响热影响区组织和性能的重要因素.
![]()
图 10 TC11-AM/TC11-AM接头的IPFFigure 10. IPF of TC11-AM/TC11-AM joint. (a) weld; (b) heat affected zone; (c) base metal![]()
图 11 TC11-R/TC11-R接头的IPFFigure 11. IPF of TC11-R/TC11-R joint. (a) weld; (b) heat affected zone; (c) base metal![]()
图 12 TC11-AM/TC11-R接头的IPFFigure 12. IPF of TC11-AM/TC11-R joint. (a) weld; (b) heat affected zone at the TC11-AM side; (c) heat affected zone at the TC11-R side2.3 拉伸性能
图13为TC11合金激光焊接接头抗拉强度. TC11-R/TC11-R接头的抗拉强度均值为1 593 MPa，断裂在母材位置；相比母材，接头的抗拉强度增加了6.3%；TC11-AM/TC11-AM接头其中一个拉伸试样的抗拉强度为1710 MPa，断于焊缝位置，另外两个拉伸试样的抗拉强度分别是1 660 MPa和1 692 MPa，断裂在母材位置；接头的抗拉强度均值为1 687 MPa，与增材件母材抗拉强度(1691 MPa)差异不明显，说明增材件母材强度和焊缝强度相当. 焊缝中马氏体α′相尺寸更小，能够一定程度上强化焊缝.但是焊缝中的原始β晶粒更加粗大，接头不同区域微观组织根据伯格斯关系重建的原始β晶粒如图14所示，焊缝、热影响区和母材的原始β晶粒宽度分别是48.5，32.9 μm和21.3 μm，母材区域原始β晶界更多，晶界能够起到强化作用. 因此，在更细小的马氏体α′相和更粗大的原始β晶粒的共同作用下，焊缝强度与母材强度接近；TC11-AM/TC11-R接头抗拉强度均值为1575 MPa，断裂均发生在增材母材位置.相比TC11-R/TC11-R接头和TC11-AM/TC11-AM接头，强度分别下降了1.2%和6.6%.
![]()
图 14 TC11-AM/TC11-AM接头重建的原始β晶粒Figure 14. Reconstruction prior β grains of TC11-AM/TC11-AM joint. (a) weld; (b) heat affected zone; (c) base metal图15、图16和图17为不同接头的断口形貌，断口可以分为纤维区和剪切唇区[20].在纤维区和剪切唇区能够观察到大量的韧窝，展现了韧性断裂特征.相比纤维区，剪切唇区域的韧窝小且浅. TC11-R/TC11-R接头试样的韧窝尺寸更大、更深，同时在纤维区发现了二次裂纹(图15b). 另外，TC11-R/TC11-R接头为断裂在母材的试样，出现了明显的颈缩，说明锻造TC11合金良好的塑性变形能力. 相比TC11-AM/TC11-R接头的纤维区(图17b)，TC11-AM/TC11-AM接头纤维区中的韧窝小且浅(图16b).在TC11-AM/TC11-AM接头断裂在增材母材部分的试样上发现了部分熔化粉末，如图16a所示，这些位置可能会是应力集中区域，拉伸过程中可能成为裂纹萌生点，造成综合力学性能下降.另外，在TC11-AM/TC11-R接头拉伸试样断口上也发现部分熔化粉末(图17a).
![]()
图 15 TC11-R/TC11-R接头的断口形貌Figure 15. Fracture morphology of TC11-R/TC11-R joint. (a) macro-morphology of fracture; (b) enlargement of area a1 in Fig.15a; (c) enlargement of area a2 in Fig.15a![]()
图 16 TC11-AM/TC11-AM接头的断口形貌Figure 16. Fracture morphology of TC11-AM/TC11-AM joint. (a) macro-morphology of fracture; (b) enlargement of area a1 in Fig.16a; (c) enlargement of area a2 in Fig.16a![]()
图 17 TC11-AM/TC11-R接头的断口形貌Figure 17. Fracture morphology of TC11-AM/TC11-R joint. (a) macro-morphology of fracture; (b) enlargement of area a1 in Fig.17a; (c) enlargement of area a2 in Fig.17a3. 结论
(1) TC11-AM/TC11-AM，TC11-R/TC11-R和TC11-AM/TC11-R 3种接头焊缝区均无明显气孔缺陷. 母材的组织状态对焊缝微观组织无明显影响，均为粗大的柱状晶粒，晶粒内部为相互交叉的马氏体α′相；母材为TC11-AM时，试样表面的粉末间存在缝隙，会导致焊接接头外貌出现起伏和不对称现象；母材的组织状态直接影响焊接接头热影响区等轴晶粒的尺寸，母材为TC11-AM时，热影响区等轴晶粒尺寸更大.
(2)母材的组织状态显著影响焊接热影响区的力学性能，对焊缝的力学性能影响不明显. 因此TC11-AM/TC11-AM焊缝与TC11-R/TC11-R焊缝维氏硬度接近，而热影响区域维氏硬度差异明显. 由于TC11-AM/TC11-R接头中不同区域微观组织存在明显差异，拉伸过程中试样整体协调变形能力差，导致接头强度最低. 3种接头形式的拉伸试样均展现了韧性断裂特征，断裂面均发现大量韧窝.
-
![]()
图 1 试验场景图
Figure 1. Experimental scene. (a) welding scene; (b) spectral monitoring scene
![]()
图 2 变采集距离下焊接过程全谱均方根
Figure 2. Full spectrum root mean square of welding process at variable acquisition distance
![]()
图 4 Incoloy 800H合金TIG焊接电弧光谱信号线谱标定
Figure 4. Line spectrum calibration of Incoloy 800H alloy TIG alloy arc welding signal
![]()
图 6 经二次包络法进行基线矫正后的光谱图
Figure 6. Spectra of baseline correction by secondary envelopment method
![]()
图 7 TIG焊过程电弧光谱的主成分贡献率和累计贡献率
Figure 7. Principal component contribution rate and cumulative contribution rate of arc spectrum in TIG welding process
![]()
图 8 不同焊接电流下焊缝横截面形貌
Figure 8. Weld cross section morphologies under different welding current. (a) 110 A; (b) 140 A; (c) 155 A; (d)170 A
![]()
图 10 ATT-L2R-BiLSTM测试集准确率和损失曲线
Figure 10. ATT-L2R-BiLSTM test set accuracy and loss curves
![]()
图 12 核电蒸汽发生器堵管验证平台及焊接试验台
Figure 12. Nuclear power steam generator tube blocking verification platform and welding test platform. (a) general view of nuclear power steam generator tube blocking verification platform; (b) welding test table
![]()
图 13 光谱探头与钨极焊头的位置关系
Figure 13. Position relationship between spectral probe and tungsten electrode welding head
![]()
图 16 焊接板材焊缝横截面形貌
Figure 16. Appearance of weld cross section of welded sheet. (a) Test 1; (b) Test 2; (c) Test 3; (d) Test 4
表 1 TIG堆焊试验工艺参数
Table 1 Experimental process parameters of TIG surfacing
焊接速度
v/(cm·min−1)频率
f/Hz氩气流量
q/(L·min−1)焊接层数 填丝情况 15 2.3 15 1 不填丝 
下载: 导出CSV
表 2 Incoloy 800H化学成分(质量分数，%)
Table 2 Incoloy 800H chemical components
C Si Cr Ni Fe Al Ti S 其他 0.05 ~ 0.10 ≤1.0 19.0 ~ 23.0 30.0 ~ 35.0 ≥39.5 0.15 ~ 0.6 0.15 ~ 0.6 ≤0.015 ≤0.015
下载: 导出CSV
表 3 焊接熔深和对应标签
Table 3 Welding depth and its corresponding labeling
试验编号 焊接电流
I/A熔深
d1/μm标签 1 110 636.83 0 2 140 754.79 1 3 155 878.22 2 4 170 954.17 3
下载: 导出CSV
表 4 网络模型参数
Table 4 Network model parameters
学习率 批训练大小 训练周期T/周次 网络层数 N1 隐藏层数 N2 L2正则化权重衰减 0.000 15 50 200 3 80 0.002
下载: 导出CSV
表 5 TIG焊800H焊接过程质量评估结果对比
Table 5 Comparison of quality assessment results of 800H TIG welding process
网络 平均train
准确率Ata(%)平均test
准确率Ate(%)RNN 100 79.55 LSTM 100 81.82 GRU 100 81.53 Bi-LSTM 100 87.50 ATT-L2R-BiLSTM 100 92.61
下载: 导出CSV
表 6 圆弧焊接试验固定工艺参数
Table 6 Fixed experimental parameter of circular arc welding
焊接速度
v/(cm·min−1)频率
f/Hz氩气流量
q/(L·min−1)焊接
层数填丝
情况17 2.3 15 1 填丝
下载: 导出CSV
表 7 填充焊丝化学成分(质量分数，%)
Table 7 Filler wire chemical components
C Si Cr Ni Fe Al Ta + Nb S Mn Cu Ti 其他 ≤0.1 ≤0.5 18 ~ 22 ≥67 ≤2 0.15 ~ 0.6 2 ~ 3 ≤0.015 2.5 ~ 3.5 ≤0.5 ≤0.75 ≤0.5
下载: 导出CSV
表 8 焊接和光谱监测系统动态变化参数
Table 8 Welding and spectral monitoring system dynamic change parameters
试验
编号积分时间
t/ms焊接电流
I/A光谱探头与焊点
间距L/cm1 15 130 35 2 4 120 40 3 10 120 40 4 40 120 40
下载: 导出CSV
表 9 堵管焊接熔深和对应标签
Table 9 Pipe plug welding depth and corresponding label
试验编号 熔深d1/mm 标签 数据量 1 1.66 0 2 131 2 2.58 1 2 977 3 1.44 2 2 356 4 1.67 0 1 107
下载: 导出CSV
-
[1] 欧清扬. 核电蒸汽发生器换热管内壁残余应力测试技术应用研究[D]. 广州: 华南理工大学, 2019. Ou Qingyang, Application of residual stress test technology on inner wall of heat exchange tube of nuclear power steam generator [D]. Guangzhou: South China University of Technology, 2019.
[2] 刘冀. 表面状态对蒸汽发生器传热管材高温高压水腐蚀行为的影响[D]. 合肥: 中国科学技术大学, 2021. Liu Ji. Influence of surface state on high temperature and high pressure water corrosion behavior of steam generator heat transfer pipe [D]. Hefei: University of Science and Technology of China, 2021.
[3] 齐欣. 5A06铝合金变动送气TIG焊焊缝性能研究[D]. 哈尔滨: 哈尔滨理工大学, 2021. Qi Xin. Study on weld properties of 5A06 aluminum alloy with variable gas injection TIG welding [D]. Harbin: Harbin University of Science and Technology, 2021.
[4] 李振华. 核电蒸汽发生器传热管疲劳行为及损伤机理研究[D]. 北京: 北京科技大学, 2022. Li Zhenhua. Study on fatigue behavior and damage mechanism of heat transfer tube of nuclear power steam generator [D]. Beijing: University of Science and Technology Beijing, 2022.
[5] 李春凯, 席保龙, 石玗, 等. 氟化物活性TIG焊电弧特征的光谱分析[J]. 焊接学报, 2021(42): 54 − 58. doi: 10.12073/j.hjxb.20210201002 Li Chunkai, Xi Baolong, Shi Yu, et al. Spectroscopic analysis of arc characteristics in fluoride-activated TIG welding[J]. Transactions of the China Welding Institution, 2021(42): 54 − 58. doi: 10.12073/j.hjxb.20210201002
[6] 熊俊, 郑森木, 陈辉, 等. 电弧增材制造成形在线监测与控制研究进展及展望[J]. 电焊机, 2021, 51(8): 70 − 78. doi: 10.7512/j.issn.1001-2303.2021.07.13 Xiong Jun, Zheng Senmu, Chen Hui, et al. Research progress and prospect of on-line monitoring and control of arc additive manufacturing[J]. Electric Welding Machine, 2021, 51(8): 70 − 78. doi: 10.7512/j.issn.1001-2303.2021.07.13
[7] Xia C, Pan Z, Fei Z, et al. Vision based defects detection for Keyhole TIG welding using deep learning with visual explanation[J]. Journal of Manufacturing Processes, 2020, 56: 845 − 855. doi: 10.1016/j.jmapro.2020.05.033
[8] 卢振洋, 宫兆辉, 闫志鸿, 等. 基于深度学习的TIG焊背部熔池检测和熔宽提取[J]. 北京工业大学学报, 2019, 46(9): 988 − 996. doi: 10.11936/bjutxb2018070033 Lu Zhenyang, Gong Zhaohui, Yan Zhihong, et al. Deep learning based weld pool detection and weld width extraction for TIG welding back[J]. Journal of Beijing University of Technology, 2019, 46(9): 988 − 996. doi: 10.11936/bjutxb2018070033
[9] 王良瑞. 核电厚壁管道全位置TIG焊熔透状态监测及视觉信息表征[D]. 上海: 上海交通大学, 2020. Wang Liangrui. Penetration state monitoring and visual information characterization of full-position TIG welding for thick-wall nuclear power pipeline [D]. Shanghai: Shanghai Jiao Tong University, 2020.
[10] Górka J, Jamrozik W. Enhancement of imperfection detection capabilities in TIG welding of the infrared monitoring system[J]. Metals, 2021, 11: 41 − 42.
[11] Zhang Z F, Wen G R, Chen S B. Weld image deep learning-based on-line defects detection using convolutional neural networks for Al alloy in robotic arc welding[J]. Journal of Manufacturing Processes, 2019, 45: 208 − 216. doi: 10.1016/j.jmapro.2019.06.023
[12] Ren W, Wen G, Xu B, et al. A novel convolutional neural network based on time–frequency spectrogram of arc sound and its application on GTAW penetration classification[J]. IEEE Transactions on Industrial Informatics, 2020, 17(2): 809 − 819.
[13] Madhvacharyula A S, Pavan A V S, Gorthi S, et al. In situ detection of welding defects: a review[J]. Welding in the World, 2022, 66(4): 611 − 628. doi: 10.1007/s40194-021-01229-6
[14] 张晋, 袁召, 陈立学, 等. 离子体发射光谱诊断[J]. 强激光与粒子束, 2021, 33(6): 120 − 125. Zhang Jin, Yuan Zhao, Chen Lixue, et al. Ion emission spectroscopy diagnosis[J]. High Power Laser and Particle Beams, 2021, 33(6): 120 − 125.
[15] 刘莹, 杨立军, 何天玺, 等. 药芯焊丝TIG焊电弧特性的光谱分析[J]. 光谱学与光谱分析, 2017, 37(7): 2171 − 2176. Liu Ying, Yang Lijun, He Tianxi, et al. Spectral analysis of TIG welding arc characteristics of flux-cored wire[J]. Spectroscopy and Spectral Analysis, 2017, 37(7): 2171 − 2176.
[16] 刘自刚, 梅亚泽, 张建峰, 等. 深熔TIG焊研究现状与展望[J]. 热加工工艺, 2023, 52(1): 6 − 11. Liu Zigang, Mei Yaze, Zhang Jianfeng, et al. Research status and prospect of deep penetration TIG welding[J]. Hot Working Technology, 2023, 52(1): 6 − 11.
[17] Mirapeix J, Vila E, Valdiande J J, et al. Real-time detection of the aluminium contribution during laser welding of Usibor1500 tailor-welded blanks[J]. Journal of Materials Processing Technology, 2016, 235(9): 106 − 113.
[18] Zhang Z, Chen H, Xu Y, et al. Multisensor-based real-time quality monitoring by means of feature extraction, selection and modeling for Al alloy in arc welding[J]. Mechanical Systems & Signal Processing, 2015, 60: 151 − 165.
[19] Palanco S, Klassen M, Skupin J, et al. Spectroscopic diagnostics on CW-laser welding plasmas of aluminum alloys[J]. Spectrochim Acta Part B At Spectrosc, 2001, 56: 651 − 659.
[20] Nomura K, Yoshii K, Toda K, et al. 3D measurement of temperature and metal vapor concentration in MIG arc plasma using a multi-directional spectroscopic method [J]. Journal of Physics, D. Applied Physics: A Europhysics Journal, 2017, 42: 425205.
[21] Song Lijun,Huang Wenkang,Han Xu,et al. Real-time composition monitoring using support vector regression of laser-induced plasma for laser additive manufacturing[J]. IEEE Transactions on Industrial Electronics, 2016, 64(1): 633 − 642.
[22] Zhang Linjie, Bai Qinglin, Ning Jie, et al. A comparative study on the microstructure and properties of copper joint between MIG welding and laser-MIG hybrid welding[J]. Materials & Design, 2016, 110(15): 35 − 50.
[23] Huang Y, Wu D, Lü N, et al. Investigation of porosity in pulsed GTAW of aluminum alloys based on spectral and X-ray image analyses[J]. Journal of Materials Processing Technology, 2017, 243: 365 − 373. doi: 10.1016/j.jmatprotec.2016.12.026
[24] 叶昕. 基于光谱分析的电弧焊接在线检测与评估方法研究[D]. 镇江: 江苏大学, 2020. Ye Xin. Research on online detection and evaluation method of arc welding based on spectral analysis [D]. Zhenjiang: Jiangsu University, 2020.
[25] Zhang Z, Yang Z, Ren W, et al. Random forest-based real-time defect detection of Al alloy in robotic arc welding using optical spectrum[J]. Journal of Manufacturing Processes, 2019, 42: 51 − 59. doi: 10.1016/j.jmapro.2019.04.023
[26] Huang Y, Zhao D, Chen H, et al. Porosity detection in pulsed GTA welding of 5A06 Al alloy through spectral analysis[J]. Journal of Materials Processing Technology, 2018, 259: 332 − 340. doi: 10.1016/j.jmatprotec.2018.05.006
[27] 张志芬, 杨哲, 任文静, 等. 电弧光谱深度挖掘下的铝合金焊接过程状态检测[J]. 焊接学报, 2019, 40(1): 12 − 25. doi: 10.12073/j.hjxb.2019400005 Zhang Zhifen, Yang Zhe, Ren Wenjing, et al. Welding state detection of aluminum alloy by arc spectral deep mining[J]. Transactions of the China Welding Institution, 2019, 40(1): 12 − 25. doi: 10.12073/j.hjxb.2019400005
[28] 张萌. 基于AM_BiLSTM的在线评论质量分类研究[D]. 北京: 北京交通大学, 2021. Zhang Meng. Research on quality classification of online reviews based on AM_BiLSTM [D]. Beijing: Beijing Jiaotong University, 2021.
-
期刊类型引用(6)
1. 白子键，张志芬，王杰，张帅，苏宇，温广瑞，陈雪峰. 基于光谱物理特征感知网络的DED稀释率监测. 焊接学报. 2024(11): 95-100 . 
本站查看
2. 王杰，张志芬，白子键，张帅，秦锐，温广瑞，陈雪峰. 基于CNN-LSTM混合驱动的焊接成形质量监测. 焊接学报. 2024(11): 121-127 . 本站查看
3. 黄宏星，吴頔，曾达，彭彪，孙涛，张培磊，史海川. 基于OCT原位测量的可调环模激光焊飞溅定量评价. 焊接学报. 2024(11): 128-132 . 本站查看
4. 张志芬，陈善本，张裕明，温广瑞. 焊接智能化监测技术研究现状与展望. 焊接学报. 2024(11): 10-20+70 . 本站查看
5. 乐健，李发园，束志恒，曾明如，张华. 基于视觉传感的焊接电流及电压检测控制方法. 焊接学报. 2024(11): 85-89 . 本站查看
6. 曾达，吴頔，彭彪，杜辉，魏于桐，张培磊，占小红. 基于光电同轴传感的极耳激光焊虚焊实时检测. 焊接学报. 2024(11): 110-114 . 本站查看
其他类型引用(0)
计量
- 文章访问数: 196
- HTML全文浏览量: 36
- PDF下载量: 58
- 被引次数: 6
