长三角G60激光联盟导读
希腊帕特雷大学的科研人员综述了激光焊接的质量评估的研究。相关综述以「Quality assessment in laser welding: a critical review」为题发表在【The International Journal of Advanced Manufacturing Technology】上。
激光焊接的质量评估方法和技术已在工艺和工艺过程中都得到了开发。本文总结并介绍了根据质量检测所采用的技术（视觉、摄像、声发射、超声波检测 (UT)、涡流检测技术 (ECT)）进行分类的相关研究。此外，本综述还旨在介绍现有的建模方法，这些方法用于将测量到的焊接特征和缺陷与工艺参数相关联。文章还介绍了激光焊接质量评估方面的研究空白和影响，并对这一特定领域的未来研究进行了展望。
关键词： 激光焊接；质量评估；焊接缺陷；监测技术；建模
图 1 激光焊接中可能出现的缺陷。
图 2 监测阶段在完成时间上的分类。
图 3 锁孔参数的定义。
图 4 a 密封状态监测系统示意图。b 左：良好焊缝（5秒后），右：不良焊缝（5秒后）。
图 5 多传感器监测系统的实验装置。
图 6 传感信号与焊接状态的相关性。
图 7 利用马兰戈尼效应（1000 W，5 m/min）计算的不同部分的温度场。
图 8 气孔率与焊接速度的关系（左）。异种材料接头的横截面（右）。
江苏科技大学和东南大学研究人员研究了船舶构件焊接质量预测与优化方法，焊接工艺作为船舶建造的关键工业技术之一，工作量约占70%，成本约占总成本的40%。现有的焊接质量预测方法存在假设前提和主观因素，无法满足智能焊接对加工质量的动态控制要求。针对船舶装配焊接过程中质量预测效率低、时效性差、质量控制不可预测性等问题，提出了一种数据和模型驱动的焊接质量预测方法。首先，分析了焊接质量的影响因素，确定了工艺参数与质量的相关机理。根据分析结果，建立了稳定可靠的数据采集架构。同时，基于特征降维方法确定了焊接过程监控的要素。为了提高焊接质量预测的准确性，融合了自适应模拟退火、粒子群优化和反向传播神经网络算法，构建了预测模型。最后，通过 74组板材焊接实验验证了预测方法的有效性，预测精度达到 90% 以上。
图9焊接质量预测方法的框架。
图10焊接过程数据采集和处理框架。
图11船舶部件结构的焊接数据采集系统。
本文对以往为改进和研究激光焊接质量评估的新方法、新技术和新建模方法进行了回顾综述。本文根据激光焊接检测和评估时间分为两个主要部分。此外，工艺参数和质量指标的相关性也是考虑的另一个方面。因此，在研究中对分析方法（也包括数值解法）和实证方法进行了调查研究。
此外，综述还指出，为了将激光焊接过程中的测量值和工艺参数与质量指标相关联，文献中对模型的开发进行了研究。重点是针对特定工艺参数下的熔池和锁孔演变进行估算的模型开发。另一方面，建模是必须进一步集成到实时控制和质量评估系统中的关键工具，这主要是由于机器学习和分类技术可以为系统提供质量预测和再训练功能，并由以前的标记数据提供支持。
综上所述，开发具有认知特征的质量评估系统显然是未来激光制造领域（而不仅仅是激光焊接领域）最具挑战性的研究领域。机器学习技术的实施可以干扰控制系统，基于实验建模方法，它们可以预测缺陷并确保产品质量。这些系统的实施和集成将带来可持续、模块化和灵活的制造。
相关论文链接：
https://link.springer.com/article/10.1007/s00170-017-0461-4?fromPaywallRec=false Quality assessment in laser welding: a critical review
Liu, J., Cheng, Y., Jing, X. et al. Prediction and optimization method for welding quality of components in ship construction. Sci Rep 14, 9353 (2024). https://doi.org/10.1038/s41598-024-59490-w
