Study on dynamic behavior of plasma in deep penetration laser welding of TC4 titanium alloy based on triple-probe detection
-
摘要:
在激光深熔焊中，激光诱导等离子体的产生具有很强的随机性和时变性.利用新型无源三探针电信号采集装置，采集高时间分辨率的等离子体电信号，获得大样本的等离子体温度等热力学信息，采用无监督学习方法中的K-均值聚类对复杂的等离子体动态行为聚类分析.结果表明，在文中试验条件下，等离子体的喷发频率主要集中在
1240 -2200 Hz范围，等离子体喷发的温度变化率主要分布在5000 -30000 K/ms的范围内；等离子体的摆动频率主要在1050 -1410 Hz范围，等离子体摆动的温度变化率主要分布在200-2000 K/ms的范围内，喷发和摆动的温度变化率差异明显.Abstract:In deep penetration laser welding, the generation of the laser-induced plasma exhibits significant randomness and temporal variability. A novel passive triple-probe electrical signal acquisition device was utilized to collect the plasma electrical signals with high temporal resolution, thereby obtaining the large sample of thermodynamic information, including plasma temperature. K-means clustering, an unsupervised learning method, was used to conduct the clustering analysis of the complex dynamic behaviors of the plasma. The results indicated that under the experimental conditions of present work, the frequency of the plasma eruption mainly fell within the range of
1240 -2200 Hz, and the temperature change rate was primarily distributed between5000 -30000 K/ms. Additionally, the sway frequency of the plasma was mainly observed in the range of1050 -1410 Hz, and the temperature change rate concentrated between 200-2000 K/ms. Consequently, there was a significant difference in the temperature change rates between plasma eruption and sway. -
0. 序言
激光等离子体是激光深熔焊接中的一个重要现象[1].等离子体包含了焊接过程中丰富的信息，其动态行为及变化规律可以直接或间接地反映小孔及熔池的行为状态[2-3]，利用一些检测手段分析等离子体的状态对于实现激光焊接过程监控，进而改善焊接质量具有重要的工程意义.
为实现对激光焊接过程的状态监测，通常采用高速摄像法、光谱分析法、声信号探测法等无接触式检测方法[4-6], Meng等人[4]基于两台高速摄像机提取瞬时等离子体羽流和熔池的特征，发现综合等离子体和熔池的检测信号可以准确地判断CO2激光搭接焊接的间隙状态.Yusof等人[5]利用声信号检测对22MnB5钢板在脉冲激光焊下展开研究，从采集到20 Hz ~ 12 kHz频率范围内的声信号中提取多个不同频率分量的声能量分布作为人工神经网络的输入量，建立了适用于22MnB5钢板的焊缝熔深预估模型. Li等人[6]通过采样频率为20 Hz的HR2000 + 光谱仪采集激光焊接H340LA高强钢过程中的光谱数据，发现焊缝熔透状态与等离子体质心高度、等离子体面积和强度相关. 在相关研究中，学者们发现激光等离子体羽流有喷发和摆动等行为，呈现很强的随机性. Tenner等人[7]通过多角度的高速摄像拍摄，发现激光等离子体喷发方向变化的不确定性，且与小孔的变化有关.Pang等人[8]发现在激光深熔焊接时，因局部蒸发引起的小孔开口喷出的蒸汽羽流通常处于高频摆动状态.声信号对小孔/等离子羽流的反映不甚直观，且不反映等离子体热力学状态；光信号检测在处理速度方面则受到很大困扰，影响其快速捕捉等离子体的瞬态信息，等离子羽流喷发和摆动行为的快速变化无疑又加剧检测的困难.针对激光诱导等离子体的动态变化随机的特性，需要具有高时间分辨率的检测设备提供连续性更好，细节更充分的数据，从而确保监测结果的精确性.
等离子体电信号检测技术是一种基于等离子体鞘层效应的接触式检测方法，具有采集频率高，能提取等离子体热力学信息，快速检测等离子体的瞬时变化的优点[9-10]. Zhao等人[9]研究了等离子体电信号的特征振荡频率与激光功率和焊接速度的关系，发现等离子体电信号的振幅和波动频率分别能有效地反映电子温度和等离子体的振荡特性.贾晨鹏等人[10]通过无源双路探针研究了TC4钛合金在不同激光功率连续焊模式下的等离子体喷发速度，发现等离子体喷发速度分布在 6 ~ 70 m/s 的范围内，且分布范围在更高的激光功率下趋于减小.
在激光深熔焊过程中等离子体主要有喷发、收缩、摆动等行为，喷发与收缩过程直接与小孔行为相关，而摆动则可能是受到扰动所致，对喷发和摆动行为的有效区分对于进一步研究小孔行为有重要意义.本文针对激光诱导等离子体行为时变随机性变化的特点，利用高分辨率装置采集三路电信号，分析其反映的电子温度等热力学状态信息，探究焊接过程中等离子体动态行为与等离子体电信号波形的对应关系，为进一步研究激光焊接过程监控提供基础数据支撑.
1. 试验材料及试验装置
基体材料为厚4 mm的TC4钛合金板.试验装置如图1所示，试验采用波长
1064 nm、光斑直径0.6 mm、额定功率2 kW的Nd: YAG激光器(JK2003SM型)，在XYZ操作平台完成焊接，氩保护气流量为20 L/min.如图2(a)所示的是自行设计的三路扇形阵列探针的俯视立体图，该探针由紫铜制作而成，以满足高导热性的需求，中心有锥孔以通过激光，在三路探针底面和每路探针之间涂有一层绝缘材料，其作用是保证与工件上表面绝缘和每路探针独立采集信号，三个探针可在相同高度测量并可整体改变测量高度.保护气放置于探针装置的右侧，与焊接方向的夹角为45°，保护气持续吹送使等离子体羽流不易偏向右侧，所以三个探针主要布置在另外三个位置.探针的结构示意图如图2(b)所示，整体探针的直径为100 mm，高60 mm，等离子体接触的下锥孔锥度为1:2，锥孔口直径为4 mm，等离子体羽流经锥度为1:6的上锥孔喷出.每个探针结构相同，无源探针在单次采集过程中位置固定不动，从小孔中喷出等离子体羽流会穿过锥孔随机接触三路探针下部的锥孔，通过采集频率为3 MHz的多路数据采集卡获取等离子体电压信号.
![]()
图 2 无源电探针检测示意图Figure 2. Schematic diagram of passive electrical probe detection. (a) simultaneous acquisition location of the triple-probe; (b) probe structure diagram; (c) probe detection distance在焊接过程中，激光头和探针位置保持固定不动，XYZ操作平台带动工件移动来完成焊接，在此期间伴随着熔池液态金属的蒸发电离、等离子体羽流的喷发摆动、熔池小孔收缩扩张等过程.其中，等离子体在这个过程中产生的喷发和摆动行为，使其与探针接触的相对距离会有随机性的变化，如图2(c)所示，探针底部整体与工件间的距离h1为2.4 mm，每个探针与激光轴线水平距离h2控制在0.7 mm，探针距离激光作用点的实际检测距离h为2.5 mm.
2. 检测原理
等离子体电信号检测的理论基础是等离子体鞘层效应.在实际激光焊接过程中，探针测得的负电势是由小孔产生的等离子体和探针之间的鞘层效应,以及孔内等离子体和熔池或小孔内壁之间的鞘层效应共同决定.Zhao等[11]综合了两部分等离子体鞘层效应，将探针测得的电压Eprobe表示为
$$ {E_{{\mathrm{probe}}}} = - \frac{{k\left( {{T_e} - {T_B}} \right)}}{e}In{\left[ {\frac{{{m_i}}}{{4\text{π} {m_e}}}} \right]^{\tfrac{1}{2}}} $$ (1) 式中：k为玻尔兹曼常数，e为电子电荷，Te为等离子体电子温度，me和mi分别为电子质量和离子质量，TB为熔池或小孔内壁表面温度.不同于等离子体的电中性，获取的电信号是负的.此外，Kim等人[12]研究表明，等离子体电子温度从等离子体的中心点向外围径向下降，所以探针检测到以电压值形式存储的电信号，实际上反映了等离子体与无源电子探针接触位置的电子温度特征.根据式(1)，求得与无源探针接触等离子体电子温度Te为
$$ {T_e} = {T_B} + \frac{{e{E_{{\text{probe}}}}}}{{k{\text{In}}{{\left[ {\dfrac{{{m_i}}}{{4\text{π} {m_e}}}} \right]}^{\tfrac{1}{2}}}}} $$ (2) 典型的三路电信号波形如图3所示，通过观察电信号的细节，可以看出电信号复杂的时域振荡特征.Qiu等人[13]的研究表明，电信号的波动与等离子体形态同步变化，等离子体电信号增大或减小的变化过程与等离子体收缩或膨胀的变化过程对应一致.由于电信号与决定焊接质量的等离子体特性密切相关，因此分析电信号具有重要意义.
![]()
图 3 三路探针同步采集到的原始信号示意图Figure 3. Schematic diagram of the original signals captured simultaneously by the triple-probe3. 电信号的处理方法
根据对TC4钛合金板激光深熔焊参数的研究，在不同焊接速度下进行激光焊接试验，采集三路等离子体电信号.在激光连续焊接模式下，试验的激光功率为
1500 W，焊接速度分别为15 mm/s、20 mm/s、25 mm/s，保护气流量为20 L/min.利用电信号检测系统，获得激光深熔焊过程下等离子体的三路电信号波形，如图4(a)所示.图4(b)为经Savitzky-Golay滤波处理的一段等离子体电信号波形.电信号波形下降阶段对应了探测点处等离子体温度升高过程，电信号波形上升阶段对应了探测点处等离子体温度下降过程.电信号波形及电子温度的变化是由等离子体喷发和摆动行为和无源三探针采集的信号特点决定的.
![]()
图 4 等离子体电信号波形提取示意图Figure 4. Schematic diagram for the extraction of plasma electrical signal waveforms. (a) plasma electrical signal waveform; (b) schematic diagram of feature point extraction for different behaviors of plasma3.1 电信号波形特征点提取方法
探针的安装分布特点决定了处于动态变化的等离子体不能总是理想地同时接触三路探针，等离子体接触三路探针的过程普遍有先后顺序，因此如何确定什么情况下是等离子体“同时”接触三个探针是本研究首先要解决的问题.分析采集的电信号周期性波动特点，其波动频率大大低于5 kHz，对电信号滤波处理的最大截至频率也为5 kHz，因此选择0.2 ms作为时间阈值窗口，在0.2 ms内三路电压信号同时产生极大值或极小值的情况视为同时产生，时间窗口远小于等离子体一次喷发行为的最小周期，该窗口的选择具有合理性.
图5给出了等离子体不同动态行为与探针的相对位置变化.在喷发的初始阶段，等离子体羽流具有较小的体积，三路探针仅与电子温度较低的等离子体外围接触，每路探针在相同时刻获得相对较高的电压值.随着喷发过程的进行，如果三路探针同时采集得到减小的电压值，说明是电子温度较高的等离子体内部区域同时接触到三路探针，只有等离子体处于喷发膨胀状态才会出现这种情况，如图5(a)所示.根据这一特点，将三路电压信号基本同时产生极大值的点定义为喷发的起始点，电信号如图4(b)蓝色区域所示.统计激光焊接过程中符合该喷发起始点的特征点得出，在15 mm/s、20 mm/s、25 mm/s的焊接速度下2 s时间内发生的次数分别为
1375 、1639 、1870 .![]()
图 5 等离子体不同动态行为与探针的相对位置变化示意图Figure 5. Schematic diagram between dynamic behaviors of plasma and changes in the relative position of the probe. (a) eruption; (b) sway; (c) deflective eruption or sway当三路探针采集到的电压值同时变大时，等离子体径向收缩，同时偏离三路探针，与探针接触的是电子温度较低的等离子体外部区域.因此将三路电压信号基本同时产生极小值的点定义为等离子体收缩的时刻，电信号如图4(b)红色区域所示.
小孔壁有时会产生连续变化状态的凸起，由于等离子体的喷发方向垂直于小孔壁，这些凸起会使等离子体喷发的方向产生偏转，从而导致出现偏置喷发现象[14-15]，等离子体偏置喷发如图6(a)所示.当有一路探针采集到由大到小的电压值，另两路探针均采集到增大的电压值时，说明等离子体偏向电压值减小的一路探针，该路探针探测到的电子温度越来越高，等离子体脱离另两路探针，探测到的电子温度越来越低.这种情况下的等离子体与探针的相对位置变化如图5(b)所示.等离子体向一路探针偏转的情况有两种：可能是等离子体受扰动向一路探针摆动，如图6(b)所示，也可能发生图6(a)等离子体向一路探针偏置喷发的情况，但由于喷发的等离子体处于膨胀状态，膨胀状态的等离子体只接触一路探针的概率极小.因此，对应在电信号波形中，将这种只有一路出现极大值的点视为等离子体摆动，电信号如图4(b)黄色区域所示.按照定义提取摆动特征点的计算方法，得到在不同焊接速度下2 s内发生摆动次数分别为
1210 、1278 、1389 .![]()
图 6 等离子体偏置喷发和摆动行为示意图Figure 6. Schematic diagram of plasma deflective eruption and sway. (a) deflective eruption; (b) sway如果在电信号波形中，有两路探针采集到由大到小的电压值，一路探针采集到由小到大的电压值，该情况对应电信号波形如图4(b)绿色区域所示.此时等离子体内部电子温度较高的区域同时接触两路探针，这种情况可能是等离子体向这两路探针摆动造成的，也可能是等离子体处于向这两路探针偏置喷发的膨胀状态导致，等离子体与探针的相对位置变化如图5(c)所示.等离子体动态行为的随机性使得这两种情况都有可能发生，仅通过电信号波形特点无法确定是何种行为，需要研究其热力学特点判定.将这种有两路电信号发生由大到小的数值变化，而另一路电信号发生由小到大数值变化的点视为等离子体的不确定行为，统计该不确定行为在不同焊接速度下2 s焊接时间内分别产生了1925、
2154 、2427 次.研究发现，等离子体喷发和摆动行为的温度变化率波动范围存在差异.为了区分不确定行为中喷发和摆动两种动态行为各发生的具体次数，采用无监督学习方法中的K-均值聚类对不确定行为进行聚类分析.3.2 K-均值聚类
聚类分析是无监督学习领域的基本方法之一，其中K-均值聚类算法是一种经典的、采用预定聚类数量的非层次聚类方法.该方法无需对数据进行事先标注,将未知分类的样本按照已知规则划分为多个簇，使得同一簇内的样本在特征空间中彼此接近，从而揭示样本的内在属性和相互关系的模式[16].在该框架下，簇内的对象通过特征相似度表现出高度的一致性，而不同簇之间的对象在特征上存在显著差异.聚类形状为近似球形的数据集适用于K-均值聚类.
K-均值聚类算法的迭代步骤如下[17].
(1)首先定义代价函数，表达式为
$$ J = \mathop \sum \nolimits_{i = 1}^m \mathop \sum \nolimits_{k = 1}^K {w_{i,k}}\mathop \sum \nolimits_{j = 1}^n {\left( {{x_{ij}} - {\mu _{kj}}} \right)^2} $$ (3) 式中：m 是数据点的总数，K 是簇的数量，xi是第i个数据点，μk是第k个簇中心，wi,k是指示变量.
(2)通过分配步骤和更新步骤使得数据集中的点被分配到K个簇中，使得所有点到其相应簇中心的距离平方和最小，即
$$ {w}_{i,k} = \left\{\begin{array}{l}1 \;\;if\;\;k = argmi{n}_{j} {{\displaystyle \sum }}_{j = 1}^{n}{\left({x}_{ij}-{\mu }_{kj}\right)}^{2} \\ 0\;\;otherwise\end{array} \right.$$ (4) argminj函数将数据点xi分配到欧氏距离最小的簇中心，从而在当前簇中心固定的情况下最小化总的距离平方和.
对于每个簇k，新的簇中心μk计算如下.
$$ {\mu _k} = \frac{{\displaystyle\sum \nolimits_{i = 1}^m {w_{i,k}}{x_i}}}{{\displaystyle \sum \nolimits_{i = 1}^m {w_{i,k}}}} $$ (5) 每个簇的新中心是该簇中所有点的均值.通过这种方式更新簇中心，K-均值聚类算法迭代地优化数据点到其簇中心的距离平方和，直到满足收敛条件.
文中依照喷发和摆动的温度变化率的分布特点，采用K-均值聚类将计算不确定行为的样本数据点在每个簇(对应喷发特征和摆动特征)的最大概率.
3.3 电信号波形温度变化率计算方法
等离子体的喷发、摆动或是振荡等行为，都会使探针采集到的电压值同步变化，对应的电子温度也变化.温度变化率是描述等离子体运动的温度变化快慢的变量，是温度变化量与发生这一变化所用时间的比值，可以如下表示为
$$ A = \frac{{T}_{\max}-{T}_{\min}}{\varDelta t} $$ (6) 式中：A为温度变化率；Tmax为电子温度的极大值；Tmin为电子温度的极小值；Δt为相邻的Tmax和Tmin的时间差.
等离子体不同的动态行为会导致不同的温度变化率，喷发和摆动的温度变化特征不同，这种温度变化特征的差异可以作为判断不确定行为是喷发还是摆动的重要依据.
3.3.1 等离子体喷发温度变化率分析
等离子体喷发特征的温度变化率计算方法是依据图5(b)对喷发特征的分析，找到所有各路信号极大值点Emax之后的第一个极小值点Emin，以该极大值和极小值点对应的电子温度信息Tmax和Tmin，带入式(6)，得到该特征下的温度变化率A.
等离子体喷发的温度变化率的统计结果如图7所示，三种热输入条件下的等离子体的喷发的温度变化率大约在
5000 -30000 K/ms范围，温度变化率数值及波动范围普遍较大，说明喷发具有较大随机性.![]()
图 7 不同焊接速度下等离子体喷发温度变化率的概率分布Figure 7. Probability distribution of the temperature change rate of plasma eruption3.3.2 等离子体摆动温度变化率分析
等离子体摆动特征的温度变化率计算方法是依据图4(b)对摆动特征的分析，找出三路中出现极大值点Emax的一路和其之后的第一个极小值点Emin，以该极大值和极小值点对应的电子温度信息Tmax和Tmin带入式(6)求出所有符合摆动行为的温度变化率A.
不同焊接速度下等离子体摆动行为的温度变化率的概率分布如图8所示.等离子体摆动特征的温度变化率在200 ~
2000 K/ms之间波动.随着焊接速度的升高，等离子体摆动的温度变化率向相对高的数值分布.在某一热输入条件下,等离子体摆动温度变化率多数分布在300-1500 K/mm的取值范围内，远低于图7喷发特征的情况.与喷发相比，摆动行为发生时温度变化更平缓.![]()
图 8 不同焊接速度下等离子体摆动温度变化率的概率分布Figure 8. Probability distribution of the temperature change rate of plasma sway3.3.3 等离子体不确定行为温度变化率分析
等离子体不确定行为的温度变化率计算方法是依据图4(b)对不确定行为的分析，找出三路中两路出现极大值点Emax及其各自之后的第一个极小值点Emin，以该极大值和极小值点对应的电子温度信息Tmax和Tmin，带入式(6)，得到该特征下的温度变化率A.
对某一热输入下不同等离子体动态行为的温度变化率进行概率分布计算，结果如图9所示，可以看出，等离子体不确定行为的温度变化率波动区间与喷发和摆动行为的区间都有交叉的取值范围，结合3.3.1和3.3.2分别对喷发和摆动特征的温度变化率的分析和计算，发现等离子体在两种不同行为下的温度变化特征差异较大，可根据不确定行为的温度变化率波动范围分别到喷发和摆动特征对应聚类中心的欧氏距离最小化原则，求出不确定行为中喷发和摆动的具体比例.
![]()
图 9 不同等离子体动态行为的温度变化率概率分布Figure 9. Probability distribution of the temperature change rates for different dynamic behaviors of plasma通过计算每个聚类的内部点与聚类中心的距离判断K-均值聚类是否适用于等离子体不确定行为的温度变化率聚类，结果如图10所示.可以看出，聚类的形状近似于球形，适用于K-均值聚类.
![]()
图 10 等离子体不确定行为温度变化率的聚类形状Figure 10. Cluster shapes of temperature change rates for uncertain plasma behavior依照喷发和摆动特征的温度变化率的分布特点，采用K-均值聚类对不确定行为分类.K-均值聚类将计算不确定行为数据点属于每个簇(对应喷发特征和摆动特征)的概率.在不同热输入条件下，制作包含喷发、摆动和不确定行为的温度变化率的
2000 个样本.根据样本集，进行了多次聚类试验，发现不确定行为区间中，属于喷发特征的样本有64.05%，属于摆动特征的样本有35.95%.聚类试验后量化K-均值聚类分布结果置信度的平均轮廓系数高达0.87396 ，属于理想的聚类结果.典型的聚类分析结果如图11所示.![]()
图 11 K-均值聚类分析后的不确定行为特征分布Figure 11. Distribution of uncertain behavior after K-means clustering analysis3.4 等离子体喷发与摆动频率分析
通过K-均值聚类聚类分析结果，计算3.1节中等离子体不确定行为在焊接速度为15、20、25 mm/s时2s内发生的具体喷发次数分别为
1233 、1380 、1554 次，摆动次数分别为692、774、873次.结合3.1节所统计的明确定义喷发和摆动行为发生的次数，汇总出不同焊接速度下等离子体各动态行为2s内的具体次数，其中，在15、20、25 mm/s的焊接速度下喷发分别发生2608 、3019 、3424 次，摆动分别发生1902、2052 、2262 次.根据这一结果，统计等离子体喷发和摆动行为的平均频率，结果如表1所示.结合图12可以看出，随着焊接速度的增加，等离子体喷发和摆动产生的倾向性更大，等离子体喷发和摆动更频繁.表 1 不同焊接速度下等离子体各动态行为的平均频率Table 1. The average frequency of dynamic behaviors of plasma at different welding speeds焊接速度v/(mm·s−1) 喷发频率f1/Hz 摆动频率f2/Hz 15 1310 951 20 1510 1026 25 1712 1131 ![]()
图 12 不同焊接速度下等离子体动态行为的变化趋势Figure 12. Trends in plasma dynamic behavior at different welding speeds为了直观看出焊接过程中喷发和摆动行为的变化规律，以0.1 s为统计的时间窗口、0.001 s为窗口的滑动平移距离计算喷发频率，如图13 (a)绘制出在不同焊接速度下喷发频率的时域变化图，得到焊接过程中等离子体喷发的变化趋势.由于喷发过程具有时变随机的特点，导致喷发频率时域变化的不确定性，故适合采用概率密度统计方法分析其变化特点，不同焊接速度下等离子体喷发频率的概率分布如图13 (b)所示.在15 mm/s、20 mm/s、25 mm/s的焊接速度下，等离子体喷发能发生最大概率的频率分别是
1432 Hz、1547 Hz、1719 Hz，喷发频率分布范围分别是1240 ~1680 Hz、1290 ~1900 Hz、1380 ~2200 Hz.随着焊接速度的增大，等离子体喷发频率具有更大的分布范围.![]()
图 13 不同焊接速度下等离子体喷发的时频域分布Figure 13. Frequency of plasma eruption at different welding speeds. (a) time-domain variation diagram of eruption frequency at different welding speeds; (b) probability distribution diagram of eruption frequency图14(a)为不同焊接速度下摆动频率的时域变化图，图14(b)为不同焊接速度下等离子体摆动频率的概率分布图.可以看出，等离子体的摆动频率随着焊接速度的增大而增大，但增大的程度较小，差异不明显.三种焊接速度条件下等离子体摆动频率的范围依次是
1050 -1320 Hz、1080 -1360 Hz、1100 -1410 Hz，分布范围随着焊接速度的增大而增大，与图13(b)喷发行为的变化规律相同，但分布范围的数值较喷发行为普遍更小.![]()
图 14 不同焊接速度下等离子体摆动的时频域分布Figure 14. Frequency of plasma sway at different welding speeds. (a) time-domain variation diagram of sway frequency at different welding speeds; (b) probability distribution diagram of sway frequency4. 结论
(1) 等离子体的喷发频率主要在
1240 -2200 Hz范围，发生概率最大的等离子体喷发频率和喷发频率的分布范围随着焊接速度的增大而增大；等离子体的摆动频率主要在1050 -1410 Hz范围，发生概率最大的等离子体摆动频率和摆动频率的分布范围随着焊接速度的增大而增大.(2) 等离子体喷发和摆动的温度变化率存在明显差异.等离子体喷发的温度变化率主要分布在
5000 -30000 K/ms的范围内.随着焊接速度的增加，喷发温度变化率数值及其分布范围呈现上升趋势.等离子体摆动的温度变化率主要分布在200-2000 K/ms的范围内，摆动温度变化率数值及其分布范围随着焊接速度的增加而增大. -
![]()
图 2 无源电探针检测示意图
Figure 2. Schematic diagram of passive electrical probe detection. (a) simultaneous acquisition location of the triple-probe; (b) probe structure diagram; (c) probe detection distance
![]()
图 3 三路探针同步采集到的原始信号示意图
Figure 3. Schematic diagram of the original signals captured simultaneously by the triple-probe
![]()
图 4 等离子体电信号波形提取示意图
Figure 4. Schematic diagram for the extraction of plasma electrical signal waveforms. (a) plasma electrical signal waveform; (b) schematic diagram of feature point extraction for different behaviors of plasma
![]()
图 5 等离子体不同动态行为与探针的相对位置变化示意图
Figure 5. Schematic diagram between dynamic behaviors of plasma and changes in the relative position of the probe. (a) eruption; (b) sway; (c) deflective eruption or sway
![]()
图 6 等离子体偏置喷发和摆动行为示意图
Figure 6. Schematic diagram of plasma deflective eruption and sway. (a) deflective eruption; (b) sway
![]()
图 7 不同焊接速度下等离子体喷发温度变化率的概率分布
Figure 7. Probability distribution of the temperature change rate of plasma eruption
![]()
图 8 不同焊接速度下等离子体摆动温度变化率的概率分布
Figure 8. Probability distribution of the temperature change rate of plasma sway
![]()
图 9 不同等离子体动态行为的温度变化率概率分布
Figure 9. Probability distribution of the temperature change rates for different dynamic behaviors of plasma
![]()
图 10 等离子体不确定行为温度变化率的聚类形状
Figure 10. Cluster shapes of temperature change rates for uncertain plasma behavior
![]()
图 11 K-均值聚类分析后的不确定行为特征分布
Figure 11. Distribution of uncertain behavior after K-means clustering analysis
![]()
图 12 不同焊接速度下等离子体动态行为的变化趋势
Figure 12. Trends in plasma dynamic behavior at different welding speeds
![]()
图 13 不同焊接速度下等离子体喷发的时频域分布
Figure 13. Frequency of plasma eruption at different welding speeds. (a) time-domain variation diagram of eruption frequency at different welding speeds; (b) probability distribution diagram of eruption frequency
![]()
图 14 不同焊接速度下等离子体摆动的时频域分布
Figure 14. Frequency of plasma sway at different welding speeds. (a) time-domain variation diagram of sway frequency at different welding speeds; (b) probability distribution diagram of sway frequency
表 1 不同焊接速度下等离子体各动态行为的平均频率
Table 1 The average frequency of dynamic behaviors of plasma at different welding speeds
焊接速度v/(mm·s−1) 喷发频率f1/Hz 摆动频率f2/Hz 15 1310 951 20 1510 1026 25 1712 1131 
下载: 导出CSV
-
[1] Beck M, Berger P, Hugel H. The effect of plasma formation on beam focusing in deep penetration welding with CO2 lasers[J]. Journal of Physics D: Applied Physics, 1995, 28: 2430 − 2442. doi: 10.1088/0022-3727/28/12/007
[2] Zhao C, Parab N D, Li X, et al. Critical instability at moving keyhole tip generates porosity in laser melting[J]. Science, 2020, 370(6520): 1080 − 1086. doi: 10.1126/science.abd1587
[3] Seely J. Quantum theory of inverse bremsstrahlung absorption and pair production[J]. Laser Interaction and Related Plasma Phenomena, 1974: 835 − 847.
[4] Meng W, Yin X, Fang J, et al. Dynamic features of plasma plume and molten pool in laser lap welding based on image monitoring and processing techniques[J]. Optics and Laser Technology, 2019, 109: 168 − 177. doi: 10.1016/j.optlastec.2018.07.073
[5] Yusof M, Ishak M, Ghazali M. Weld depth estimation during pulse mode laser welding process by the analysis of the acquired sound using feature extraction analysis and artificial neural network-ScienceDirect[J]. Journal of Manufacturing Processes, 2020, 63: 163 − 178
[6] Li J, Zhang Y. Prediction of penetration based on plasma plume and spectrum characteristics in laser welding[J]. Journal of Manufacturing Processes, 2022, 75: 593 − 604. doi: 10.1016/j.jmapro.2022.01.032
[7] Tenner F, Brock C, Klämpfl F, et al. Analysis of the correlation between plasma plume and keyhole behavior in laser metal welding for the modeling of the keyhole geometry[J]. Optics and Lasers in Engineering, 2015, 64: 32 − 41. doi: 10.1016/j.optlaseng.2014.07.009
[8] Pang S, Chen X, Shao X, et al. Dynamics of vapor plume in transient keyhole during laser welding of stainless steel: Local evaporation, plume swing and gas entrapment into porosity[J]. Optics and Lasers in Engineering, 2016, 82: 28 − 40. doi: 10.1016/j.optlaseng.2016.01.019
[9] Zhao S, Yang L, Liu T, et al. Analysis of plasma oscillations by electrical detection in Nd: YAG laser welding[J]. Journal of Materials Processing Technology, 2017, 249: 479 − 489. doi: 10.1016/j.jmatprotec.2017.06.032
[10] 贾晨鹏, 黄一鸣, 杨立军, 等. TC4钛合金激光深熔焊等离子体羽流热力学行为研究[J]. 中国激光, 2023, 50(20): 2002105. Jia Chenpeng, Huang Yiming, Yang Lijun, et al. Plasma plume thermodynamic behavior during laser deep-penetration welding of TC4 titanium alloy[J]. Chinese Journal of Lasers, 2023, 50(20): 2002105.
[11] 赵圣斌, 杨立军, 刘桐, 等. 不同焊接模式下的A304不锈钢YAG激光焊等离子体的电信号特征[J]. 中国激光, 2016, 43(12): 1202005. Zhao Shengbin, Yang Lijun, Liu Tong, et al. Electrical signal characteristics of plasma in YAG laser welding of A304 stainless steels under different modes[J]. Chinese Journal of Lasers, 2016, 43(12): 1202005.
[12] Kim C H, Ahn D C. Coaxial monitoring of keyhole during Yb: YAG laser welding[J]. Optics and Laser Technology, 2012, 44(6): 1874 − 1880. doi: 10.1016/j.optlastec.2012.02.025
[13] Qiu W, Yang L, Zhao S, et al. A study on plasma plume fluctuation characteristic during A304 stainless steel laser welding[J]. Journal of Manufacturing Processes, 2018, 33: 1 − 9.
[14] 段爱琴, 陈俐, 王亚军, 等. CO2激光焊接不锈钢光致等离子体动态特性分析[J]. 焊接学报, 2005, 26(11): 17 − 20. Duan Aiqin, Chen Li, Wang Yajun, et al. Analysis of dynamic characteristics of photoinduced plasma of CO2 laser-welded stainless steel[J]. Transactions of the China welding institution, 2005, 26(11): 17 − 20.
[15] 高向东, 吕威兴, 游德勇, 等. 大功率盘形激光焊接过程等离子体图像特征分析[J]. 焊接学报, 2011, 32(12): 5 − 8. Gao Xiangdong, Lü Weixing, You Deyong, et al. Analysis of plasma image characteristics in high-power disc laser welding process[J]. Transactions of the China welding institution, 2011, 32(12): 5 − 8.
[16] Iranitalab A, Khattak A. Comparison of four statistical and machine learning methods for crash severity prediction[J]. Accident Analysis & Prevention, 2017, 108: 27 − 36.
[17] Dash B, Mishra D, Rath A, et al. A hybridized K-means clustering approach for high dimensional dataset[J]. International Journal of Engineering Science and Technology, 2010, 2: 59 − 66.
计量
- 文章访问数: 81
- HTML全文浏览量: 4
- PDF下载量: 27
