Strengthen GH3536 manufactured by L-PBF with heat treatment and laser shock peening
-
摘要:
文中针对激光粉末床熔融 (laser powder bed fusion，L-PBF)制造的GH3536样品，采用了不同的后处理工艺，并对其微观组织、力学性能和残余应力进行了分析. 结合激光冲击强化技术，开展了构件表面残余应力调控，探究了热处理与激光冲击强化工艺顺序对残余应力的影响. 结果表明，热处理中巨大的冷却应力撕裂了部分孔隙，同时，热处理不能完全消除构件表面约为 + 90 MPa的残余拉应力. 随着冲击次数增加, 残余应力的改善效果更显著，冲击两次后构件近表面呈现残余压应力状态，约为−350 MPa. 相比在热处理前进行激光冲击强化，在热处理后进行强化更有利于残余拉应力的调控，从而实现性能的综合提升. 文中研究结果为GH3536构件的增材制造及后处理工艺提供了新的思路，同时为其在航空航天领域的工程应用奠定基础.
Abstract:This paper examined GH3536 samples produced via laser powder bed fusion (L-PBF), analyzing their microstructure, mechanical properties, and residual stress under various heat treatment conditions. Surface residual stress was controlled by combining heat treatment and laser shock peening, with the impact of their sequence on residual stress also investigated. The results showed that large cooling stress during heat treatment caused some pore tearing, and heat treatment could not fully eliminate the surface residual tensile stress, which remained around +90 MPa. With an increasing number of impacts, residual stress improvement became more pronounced; after two impacts, the near-surface showed residual compressive stress at approximately −350 MPa. It was more effective in controlling residual tensile stress when laser shock peening was applied after heat treatment, enhancing overall performance. This study presented a new approach for the manufacturing and post-processing of GH3536, establishing a foundation for its engineering applications in aerospace.
-
Keywords:
- laser powder bed fusion /
- GH3536 /
- laser shock peening /
- heat treatment /
- mechanical properties
-
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 3 增材样品尺寸示意图(mm)
Figure 3. Schematic diagram of samples. (a) room temperature stretching samples; (b) residual stress test samples
![]()
图 5 残余应力测试示意图 (mm)
Figure 5. Schematic diagrams of residual stress testing. (a) sample to be tested with strain gauges attached; (b) strain gauge
![]()
图 6 不同热处理参数下GH3536的微观组织
Figure 6. Microstructure of GH3536 with different heat treatment parameters
![]()
图 7 热处理前后试样的反极图
Figure 7. Inverse pole figure of samples before and after heat treatments; (a) as-deposition; (b)
1200 -W; (c)1200 -F![]()
图 8 热处理前后的表面残余应力变化
Figure 8. Changes of surface residual stress before and after heat treatments; (a) as-deposition; (b)
1200 -W; (c)1200 -F![]()
图 9 不同热处理参数下的表面孔隙率统计
Figure 9. Surface porosity statistics under different heat treatment parameters
![]()
图 11 不同热处理参数下试样的应力应变曲线
Figure 11. Mechanical properties of samples with different heat treatment parameters
![]()
图 12 不同后处理状态下的残余应力
Figure 12. Residual stress after different post-treatments. (a) HT; (b) HT-LSP1; (c) HT-LSP2; (d) LSP2-HT
![]()
图 13 后处理过程中试样硬度值变化
Figure 13. Changes in hardness values of the samples during post-treatment
![]()
图 14 后处理过程中试样微观组织变化(μm)
Figure 14. Changes in the microstructure of the samples during post-treatments. (a) HT; (b) HT-LSP1; (c) HT-LSP2;(d) LSP2-HT
![]()
图 15 增材及后处理中试样微观结构和硬度演变示意图
Figure 15. Schematic diagrams of microstructure and hardness evolution of samples during additive and post-treatment processes. (a) as-deposition; (b) HT; (c) HT-LSP1; (d) HT-LSP2; (e) LSP2-HT
表 1 GH3536粉末的化学成分(质量分数，%)
Table 1 Chemical composition of GH3536 powder
Cr Fe Co Mo C Cu Al W Ti B Si Mn S Ni 22.03 18.65 0.97 8.85 0.066 0.013 0.063 0.56 0.014 0.005 0.31 0.25 0.003 余量 
下载: 导出CSV
表 2 热处理参数
Table 2 Heat treatment parameters
试样 热处理温度T/℃ 冷却方式 1160 -W1160 水冷 1160 -F1160 炉冷 1180 -W1180 水冷 1180 -F1180 炉冷 1200 -W1200 水冷 1200 -F1200 炉冷 1220 -W1220 水冷 1220 -F1220 炉冷
下载: 导出CSV
-
[1] 王群, 屈蕴韬, 张幖, 等. 激光选区熔化生物医用Ti-6Al-4V合金的弯曲疲劳行为[J]. 焊接学报, 2024, 45(4): 57 − 64. Wang Qun, Qu Yuntao, Zhang Biao, et al. Bending fatigue behavior of biomedical Ti-6Al-4V alloy prepared by selective laser melting[J]. Transactions of the China Welding Institution, 2024, 45(4): 57 − 64.
[2] Li J W, Liu W, Shen J, et al. Research progress of the metal powder reuse for powder bed fusion additive manufacturing technology[J]. Powder Technology, 2024, 441: 119815. doi: 10.1016/j.powtec.2024.119815
[3] Lupi F, Pacini A, Lanzetta M. Laser powder bed additive manufacturing: a review on the four drivers for an online control[J]. Journal of Manufacturing Processes, 2023, 103: 413 − 429. doi: 10.1016/j.jmapro.2023.08.022
[4] Li J H, Shi W T, Lin Y X, et al. Comparative study on MQL milling and hole making processes for laser beam powder bed fusion(L-PBF) of Ti-6Al-4V titanium alloy[J]. Journal of Manufacturing Processes, 2023, 94: 20 − 34. doi: 10.1016/j.jmapro.2023.03.055
[5] Jia M Y, Wang Y L, Yue J F, et al. Recent progress in laser shock peening: mechanism, laser systems and development prospects[J]. Surfaces and Interfaces, 2023, 44: 103757.
[6] Wang K, Huang B H, Ye Y X, et al. Effect of laser shock peening on the microstructure and fatigue properties of 2060 Al-Li alloy with hole structures[J]. Optics & Laser Technology, 2025, 181: 111832.
[7] Larson E A, Adu-Gyamfi S, Ebenezer A O, et al. Influencing effects of variant laser pulse energy on fatigue behavior induced by LSP[J]. Emerging Materials Research, 2023, 13(1): 48 − 55.
[8] Zhang Z H, Fu X S, Cao Z W, et al. Crack failure behaviors of Ti-6Al-4V dovetail joints subjected to fretting fatigue and effect of laser shock dimple-textured surface coated with diamond-like carbon film[J]. Journal of Materials Research and Technology, 2024, 33: 1984 − 1998. doi: 10.1016/j.jmrt.2024.09.169
[9] Cheng X P, Du Z F, Chu S X, et al. The effect of subsequent heating treatment on the microstructure and mechanical properties of additive manufactured Hastelloy X alloy[J]. Materials Characterization, 2022, 186: 111799. doi: 10.1016/j.matchar.2022.111799
[10] Jing Y D, Fang X W, Xi N Y, et al. Investigation of microstructure and mechanical properties evolution in 7050 aluminum alloy and 316L stainless steel treated by laser shock peening[J]. Materials Characterization, 2021, 182: 111571. doi: 10.1016/j.matchar.2021.111571
[11] Kong D C, Ni X Q, Dong C F, et al. Anisotropic response in mechanical and corrosion properties of Hastelloy X fabricated by selective laser melting[J]. Construction and Building Materials, 2019, 221: 720 − 729. doi: 10.1016/j.conbuildmat.2019.06.132
[12] Yuan J H, Huang M H, Li Y Z, et al. Revealing the grain size-dependent twinning variants and the associated strengthening mechanisms in a carbon-free austenitic steel[J]. Materials Science & Engineering A, 2023, 864: 144577.
[13] Wang M, Li H Q, Lou D J, et al. Microstructure anisotropy and its implication in mechanical properties of biomedical titanium alloy processed by electron beam melting[J]. Materials Science & Engineering A, 2019, 743: 123 − 137.
[14] Ma Y H, Yu W B, Yuan Z H, et al. 3D characterization of pores expansion behavior in high pressure die castings during heat treatment[J]. Materials Characterization, 2023, 197: 112710. doi: 10.1016/j.matchar.2023.112710
[15] Lim S H, Zhang Z, Seng D H L, et al. In-situ warm shot peening on Ti-6Al-4V alloy: effects of temperature on fatigue life, residual stress, microstructure and mechanical properties[J]. Journal of Alloys and Compounds, 2021, 882: 160701. doi: 10.1016/j.jallcom.2021.160701
[16] Schwab K, Keller S, Kashaev N, et al. Tailoring of residual stresses by specific use of defined prestress during laser shock peening[J]. Journal of Materials Processing Technology, 2021, 295: 117154. doi: 10.1016/j.jmatprotec.2021.117154
[17] Lü J M, Luo K Y, Lu H F, et al. Achieving high strength and ductility in selective laser melting Ti-6Al-4V alloy by laser shock peening[J]. Journal of Alloys and Compounds, 2022, 899: 163335. doi: 10.1016/j.jallcom.2021.163335
[18] 杨坤. 奥氏体不锈钢激光冲击强化与退火现象的研究[D]. 南京: 江苏大学, 2012. Yang Kun. Strengthening and annealing behaviors of laser shocked austenitic stainless steel[D]. Nanjing: Jiangsu University, 2012.
计量
- 文章访问数: 70
- HTML全文浏览量: 12
- PDF下载量: 23
