Quantitative evaluation of spatter in adjustable ring mode laser welding based on In-situ OCT measurement
-
摘要:
为了快速准确定量评价金属飞溅以优化工艺和保证焊接质量，采用1060铝合金可调环模(variable beam profile，VBP)激光焊为研究对象，搭建了基于光学相干层析成像(opticalc coherence tomography，OCT)的激光焊匙孔深度原位测量系统，并提出了一种1DCNN-BiLSTM复合深度学习模型，该模型利用两种网络单元的特性对匙孔深度信息进行局部和全局时序特征挖掘，实现了飞溅状态的定量评价. 结果表明，该模型的飞溅识别准确率达到99.69%，为VBP激光焊工艺优化和质量控制提供了指导依据和闭环反馈.
Abstract:In order to quickly and accurately quantitatively evaluate the metal spatter to optimize the process and ensure the welding quality. This study focuses on the variable beam profile (VBP) laser welding process of 1060 aluminum alloy and develops an in-situ keyhole depth measurement system based on optical coherence tomography (OCT). An innovative 1DCNN-BiLSTM deep learning composite model is proposed, leveraging the distinct characteristics of the two network units to perform local-global temporal feature extraction, achieving quantitative evaluation of spatter status. Results indicate that the constructed model achieves 99.69% accuracy in identifying spatter status, providing guidance and closed-loop feedback for optimizing the VBP laser welding process and quality control.
-
0. 序言
双丝熔化极气体保护焊是一种高效的焊接工艺，具有焊接速度快，熔深容易控制等优点. 双丝焊系统由两台独立的逆变弧焊电源和一台送丝驱动机组成，两弧焊电源采用同步控制以获得最佳的熔滴分离以及金属过渡的精确定时[1]. 由于两台弧焊电源同时工作，且双丝弧焊电源输出功率较大，功率器件快速开关产生的谐波对主电路稳定工作和控制信号检测造成影响，同时也对电网产生干扰. 此外，电网中存在的各种谐波也会对弧焊电源造成干扰，为此需要考虑电磁兼容性设计. 目前常用的方法是在弧焊电源三相输入端串联电感,降低谐波干扰，电路结构简单，但由于电感感值较大，影响电路的动态性能. 为此提出一种软开关与LCL滤波器相结合的弧焊电源主电路,提高系统的电磁兼容性[2]. 一方面采用软开关逆变拓扑结构，通过降低dv/dt，在减小功率器件开关应力、提高可靠性的同时，降低谐波的幅值；另一方面通过三相输入端设计的LCL低通滤波器获得较好的滤波效果[3].
1. 带LCL滤波的软开关弧焊电源
带LCL滤波的软开关双丝弧焊电源的结构如图1所示，LCL滤波器由网侧电感
${L_{\rm{g}}}$ 、软开关侧电感${L_{\rm{f}}}$ 、电容器${C_{\rm{f}}}$ 和阻尼电阻${R_{\rm{c}}}$ 组成(${R_{\rm{g}}}$ ，${R_{\rm{f}}}$ 为电感阻抗)；软开关电路由换流电容${C_1}$ ，${C_2}$ ，隔点电容${C_{\rm{b}}}$ 和饱和电感${L_{\rm{b}}}$ 等组成；电源负载为${R_{\rm{L}}}$ .1.1 软开关对谐波幅值的影响
ZVZCS在超前臂
${Q_1}$ 和${Q_2}$ 两端并联较大的电容，在变压器原侧电路串入一个饱和电感${L_{\rm{b}}}$ 和一个隔直电容${C_{\rm{b}}}$ . 通过超前臂并联电容的充放电实现超前臂零电压开通，隔直电容${C_{\rm{b}}}$ 实现续流期间电流快速衰减到零，借助饱和电感${L_{\rm{b}}}$ 对反向电流的阻止作用实现滞后臂${Q_3}$ 和${Q_4}$ 的零电流关断[4].弧焊电源采用硬开关全桥拓扑结构时，开关管在通断过程中会产生较高的dv/dt和di/dt，当IGBT关断时，高频变压器的漏感产生反电动势，即
$$E = - L{{{{\rm{d}}i}} / {{{\rm{d}}t}}}$$ (1) 根据基尔霍夫定律，硬开关结构中的输入电压为
$$\begin{split} &\\ & U = 2{U_{\rm{i}}} + {U_{\rm{C}}} + L{{{{\rm{d}}i}} / {{{\rm{d}}t}}} \end{split}$$ (2) 式中：
${U_{\rm{i}}}$ 为IGBT关断电压；${U_{\rm{C}}}$ 为电路分布电容电压，变压器漏感产生的反电动势加在关断电压上，通过试验可观察到高达800 V以上的电压尖峰，增大了谐波的幅值. 当IGBT开通时，由于分布电容和电压不能突变，产生浪涌电流，也造成严重的传导干扰. 软开关弧焊电源可以减小由于功率器件开关造成的谐波幅值，但并不能完全消除[5].1.2 LCL滤波器设计
在图1所示的电路结构里，LCL滤波器的作用对于弧焊电源是双向的，一方面减小电网谐波对弧焊电源的影响，保证逆变软开关可靠地工作，另一方面抑制逆变器由于功率器件开关对电网的谐波干扰. LCL滤波器具有较好的滤波效果，但其本身存在谐振问题，电流中某频次谐波可能引发滤波器谐振，导致系统不稳定. 可通过串联电阻的改进LCL滤波器解决这一问题.
LCL滤波器是利用电感电容对不同频率分量呈现阻抗的差异性特点进行工作[6]，电容支路阻抗小，对含有高次谐波的软开关干扰电流/电网谐波电流进行并联阻抗分流，从而降低注入电网/软开关的谐波电流分量. 假设弧焊电源侧电流的谐波分量只有开关频率次谐波，LCL滤波器的等效电路图如图2所示，此时软开关侧看作谐波源，而网侧看作是短路.
![]()
图 2 开关频率下LCL滤波器单相等效电路图Figure 2. Single phase equivalent circuit of LCL filter under switching frequency从图2可知，支路
${Z_{\rm{g}}} = {R_{\rm{g}}} + j{\omega _{{\rm{sw}}}}{L_{\rm{g}}}$ 与支路${Z_{\rm{C}}} = {R_{\rm{C}}} - j\dfrac{1}{{{\omega _{{\rm{sw }}}}{C_{\rm{f}}}}}$ 对${i_{\rm{i}}}({h_{{\rm{sw}} }})$ 分流，不考虑阻尼电阻，应用分流公式可得$$\dfrac{{{i_{\rm{g}}}({h_{{\rm{sw}} }})}}{{{i_{\rm{i}}}({h_{{\rm{sw}} }})}} = \dfrac{{\dfrac{1}{{s{C_{\rm{f}}}}}}}{{s{L_{\rm{g}}} + \dfrac{1}{{s{C_{\rm{f}}}}}}} = \dfrac{1}{{{L_{\rm{g}}}{C_{\rm{f}}}{s^2} + 1}}$$ (3) 将
$s = j{\omega _{{\rm{sw}} }}$ 代入式(1)中可得$$\frac{{{i_{\rm{g}}}({h_{{\rm{sw}} }})}}{{{i_{\rm{i}}}({h_{{\rm{sw}} }})}} = \left| {\frac{1}{{1 - {L_{\rm{g}}}{C_{\rm{f}}}{\omega _{{\rm{sw}} }}^2}}} \right|$$ (4) 式中：
${Z_{\rm{g}}}$ 表示网侧之路阻抗；${Z_{\rm{C}}}$ 表示电容支路阻抗；${\omega _{{\rm{sw}} }}$ 表示开关频率次谐波；${i_{\rm{g}}}({h_{{\rm{sw}} }})$ 表示网侧电感电流；${i_{\rm{i}}}({h_{{\rm{sw}} }})$ 表示软开关侧电感电流；s为变换算子.将设计好的电感电容值代入，可以得出
${{{i_{\rm{g}}}}/ {{i_{\rm{i}}}}}$ 在开关频率处的值为$2.53 \times {10^{ - 4}}$ ，值很小，滤波效果很好，将二倍、三倍开关频率谐波代入，得出${{{i_{\rm{g}}}} / {{i_{\rm{i}}}}}$ 的值分别为$6.31 \times {10^{ - 5}}$ 和$2.8 \times {10^{ - 5}}$ ，谐波得到明显抑制，同时更高次谐波的影响可忽略不计.同理，LCL滤波器对电网谐波的抑制原理相同，得到对电网谐波电流的分流公式为$$ \frac{{{i_{\rm{i}}}({h_{{\rm{sw}} }})}}{{{i_{\rm{g}}}({h_{{\rm{sw}} }})}} = \left| {\frac{1}{{1 - {L_{\rm{f}}}{C_{\rm{f}}}{\omega _{{\rm{sw}} }}^2}}} \right| $$ (5) 可以得出LCL滤波器对电网中频率为4 kHz的谐波抑制到3.94%，对更高频率谐波滤波效果更好. LCL滤波器滤波效果如图3中
${G_2}$ 图像所示.LCL滤波器在谐振频率处发生谐振，为尽量避免谐振，设计时一般是将其谐振频率设定在10倍电网频率 ~ 0.5倍开关频率之间[7]，同时需要在滤波电容处串入阻尼电阻来抑制谐振. 滤波电容没有串联电阻时，根据基尔霍夫定律可推导出三阶LCL滤波器在三相电网电压稳定对称情况下的数学模型[8]，即
$$\begin{split} & {L_{\rm{g}}}\frac{{{d_{{i_1}}}(t)}}{{{d_t}}} + {R_{\rm{g}}}{i_1}(t) + {L_{\rm{f}}}\frac{{{d_{{i_2}}}(t)}}{{{d_t}}} + {R_{\rm{f}}}{i_2}(t) = \\ & e(t) - \left[ {{V_{{\rm{dc}}}}(t){S_{\rm{K}}}(t) + {V_{{\rm{NO}}}}(t)} \right] \end{split} $$ (6) $${i_2}(t) = {i_1}(t) - {C_f}\frac{{d{V_{\rm{C}}}(t)}}{{{d_t}}}$$ (7) $${C_{\rm{d}}}\frac{{d{V_{{\rm{dc}}}}(t)}}{{{\rm{d}}t}} = \sum\nolimits_{k = a,b,c} {{i_k}(t){S_{\rm{K}}}(t) - {i_{\rm{L}}}(t)} $$ (8) $${V_{{\rm{NO}}}}(t) = - \frac{{{V_{{\rm{dc}}}}(t)}}{3}\sum\nolimits_{k = a,b,c} {{S_{\rm{K}}}(t)} $$ (9) 式中：
${V_{{\rm{dc}}}}$ ，${i_{\rm{L}}}$ ，${C_{\rm{d}}}$ 分别为整流模块直流侧电压、负载电流以及支撑电容；${i_1}$ 为网测电流；${i_2}$ 为软开关侧电流；${V_{\rm{C}}}$ 为LCL电容器电压；${S_{\rm{K}}}$ 为整流二极管的通断状态函数，上桥臂通态下桥臂断态时为1，上桥臂断态下桥臂通态时为0.由式(4) ~ 式(7)可以得出在滤波电容没有串联阻尼时，整流模块输入电压与电流在静止坐标系下的函数关系为(电阻
${R_{\rm{g}}}$ ，${R_{\rm{f}}}$ 相对于感抗忽略不计)$${G_1}(s) = \frac{{{I_2}(s)}}{{V(s)}} = \frac{{ - 1}}{{{s^3}{L_{\rm{g}}}{L_{\rm{f}}}{C_{\rm{f}}} + s({L_{\rm{g}}} + {L_{\rm{f}}})}}$$ (10) 当滤波电容串联阻尼电阻
${R_{\rm{C}}}$ 时，同理根据基尔霍夫定律推导出串联阻尼的三阶LCL滤波器在三相电网电压稳定对称情况下的数学模型，进而得到整流模块输入电压与电流在静止坐标系下的函数关系式为[9]$$\begin{split} & {G_2}(s) = \frac{{{I_2}(s)}}{{U(s)}} = \\ & \frac{{ - (s{R_{\rm{C}}}{C_{\rm{f}}} + 1)}}{{{s^3}{L_{\rm{g}}}{L_{\rm{f}}}{C_{\rm{f}}} + {s^2}({L_{\rm{g}}} + {L_{\rm{f}}}){R_{\rm{C}}}{C_{\rm{f}}} + s({L_{\rm{g}}} + {L_{\rm{f}}})}} \end{split} $$ (11) 分别做出
${G_1}(s)$ ，${G_2}(s)$ 幅值的伯德图进行比较，容易发现${G_1}(s)$ 幅频图有较大的幅值尖峰，证明谐波电流在峰值处被放大，串联阻尼电阻后，${G_2}(s)$ 幅频图没有大幅度的峰值，抑制了谐振的发生，提高了系统稳定性，并且幅频特性图像显示LCL滤波器对谐波的抑制作用符合要求. 将滤波电容串联电阻的LCL滤波器加在网侧与整流模块之间，就对电网与软开关之间的相互谐波干扰起抑制作用，达到良好的滤波效果.2. 仿真分析
为了验证上述分析，分别对硬开关弧焊电源、ZVZCS软开关弧焊电源和带LCL滤波的ZVZCS软开关弧焊电源的工作过程进行仿真，对网侧电流和变压器原侧电流进行谐波分析. 结果分别如图4 ~ 图6所示. 其中带LCL滤波的ZVZCS软开关电路的隔直电容
${C_{\rm{b}}}$ =22 μF，饱和电感${L_{\rm{b}}} = 360\;{\rm{\text{μ} H}}$ ，超前臂并联电容${C_1} = {C_2} = 10\;{\rm{nF}}$ ，LCL滤波器的参数设置为${L_{\rm{g}}} = 30\;{\rm{mH}}$ ，${L_{\rm{f}}} = 5\;{\rm{mH}}$ ，${C_{\rm{f}}} = 330\;\text{μ} {\rm{F}}$ ，${R_{\rm{c}}} = $ $ 9.76\;\Omega$ .![]()
图 4 硬开关电流谐波分析Figure 4. Harmonic analysis of hard switching. (a) grid current; (b) transformer primary current![]()
图 6 LCL滤波的ZVZCS软开关电流谐波分析Figure 6. Harmonic analysis of ZVZCS soft switch with LCL filter. (a) grid current; (b) transformer primary current对比分析发现ZVZCS软开关的变压器原侧电流谐波畸变率从硬开关的22.24%下降到15.95%，网侧电流谐波畸变率由于没有滤波设备抑制电网谐波干扰，并没有得到显著改善，但开关频率次谐波得到了良好抑制. 带LCL滤波的ZVZCS软开关网侧谐波畸变率得到了显著改善，下降到1.05%，完全符合入网标准，并且变压器原侧电流谐波也得到了良好的控制.
![]()
图 5 ZVZCS软开关电流谐波分析Figure 5. Harmonic analysis of ZVZCS soft switching. (a) grid current;(b) transformer primary current3. 结论
(1) ZVZCS软开关弧焊电源相比于硬开关电源可以抑制逆变器尖峰电压，减少逆变器对电网谐波干扰，可以减少变压器原侧电流谐波，使变压器原侧电流谐波畸变率从硬开关的22.24%下降到15.95%，提高电源效率.
(2)滤波电容串联电阻的LCL滤波器既可以抑制弧焊电源对电网的谐波干扰，使电网侧谐波畸变率下降到1.05%，减少对电网的污染；也可以抑制电网中的谐波对弧焊电源的干扰，提高弧焊电源的可靠性.
-
![]()
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
![]()
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 spatter
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 
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
-
[1] Min K E, Jang J W, Kim C. New frontiers of laser welding technology[J]. Applied Sciences, 2023, 13(3): 1840. doi: 10.3390/app13031840
[2] Lassila A A, Lonn D, Andersson T, et al. Effects of different laser welding parameters on the joint quality for dissimilar material joints for battery applications[J]. Optics & Laser Technology, 2024, 177: 111155.
[3] Din N U, Zhang L, Zhou Y, et al. Laser welding defects detection in lithium-ion battery poles[J]. Engineering Science and Technology, an International Journal, 2023, 46: 101495. doi: 10.1016/j.jestch.2023.101495
[4] 董金枋, 杨方毅, 吴頔, 等. 可调环模激光焊接飞溅抑制机理及工艺优化研究[J]. 中国激光, 2024, 51(12): 40 − 48. Dong Jinfang, Yang Fangyi, Wu Di, et al. Research on spatter suppression mechanism and process optimization of tunable ring-mode laser welding[J]. Chinese Journal of Lasers, 2024, 51(12): 40 − 48.
[5] Niu Y, Gao P P, Gao X. Recognition of DC01 mild steel laser welding penetration status based on photoelectric signal and neural network[J]. Metals, 2023, 13(5): 871. doi: 10.3390/met13050871
[6] Yusof M F M, Quazim M M, Aleem S A A, et al. Identification of weld defect through the application of denoising method to the sound signal acquired during pulse mode laser welding[J]. Welding in the World, 2023, 67(5): 1267 − 1281. doi: 10.1007/s40194-023-01472-z
[7] 张琨, 邹宗轩, 刘烨, 等. 铝合金TIG焊接熔池状态多传感器数据协同感知算法[J]. 焊接学报, 2022, 43(3): 50 − 55,116. doi: 10.12073/j.hjxb.20211025001 Zhang Kun, Zou Zongxuan, Liu Ye, et al. Multi-sensor data cooperative sensing algorithm for molten pool state of aluminum alloy TIG welding[J]. Transactions of the China Welding Institution, 2022, 43(3): 50 − 55,116. doi: 10.12073/j.hjxb.20211025001
[8] Boley M, Fetzer F, Weber R, et al. Statistical evaluation method to determine the laser welding depth by optical coherence tomography[J]. Optics and Lasers in Engineering, 2019, 119: 56 − 64. doi: 10.1016/j.optlaseng.2019.03.014
[9] Lexuan T, Buitien T, Tranngoc H. A novel approach model design for signal data using 1DCNN combing with LSTM and ResNet for damaged detection problem[J]. Structures, 2024, 59: 105784. doi: 10.1016/j.istruc.2023.105784
[10] 白子键, 李治文, 张志芬, 等. 基于电弧光谱的核电堵管TIG焊接质量在线监测[J]. 焊接学报, 2024, 45(5): 8 − 19. doi: 10.12073/j.hjxb.20230610002 Bai Zijian, Li Zhiwen, Zhang Zhifen, et al. Online monitoring of TIG welding quality of nuclear power plugging pipe based on arc spectroscopy[J]. Transactions of the China Welding Institution, 2024, 45(5): 8 − 19. doi: 10.12073/j.hjxb.20230610002
[11] Victoria A H, Maragatham G. Automatic tuning of hyperparameters using Bayesian optimization[J]. Evolving Systems, 2021, 12(1): 217 − 223. doi: 10.1007/s12530-020-09345-2
计量
- 文章访问数: 95
- HTML全文浏览量: 21
- PDF下载量: 35
