《Applied Materials Today》:Advances in plasma spraying technology for coatings: From particle flight to splat formation
编辑推荐:
等离子喷涂技术中粒子飞行行为(加速、加热、铺展、凝固)与涂层微观结构的关系研究,分析工艺参数(电流、气体流量、喷涂距离)对粒子速度、温度及涂层形态的影响,探讨无量纲参数、溅射形成及界面热传递的作用,并评估机器学习等AI方法在工艺优化中的应用潜力。
Kun Liu|Mengyu Guo|Guoyong Ye|Yu Wang|Wei Fan|Jinguang Du|Yang Cao|Lei Zhang
郑州轻工业大学机械与电气工程学院,中国郑州,450002
摘要
等离子喷涂在工业应用中广泛用于通过高温制备高性能涂层。由于颗粒飞行动力学、工艺参数和基底条件对涂层微观结构的影响,实现最佳涂层质量具有挑战性。本综述探讨了颗粒飞行过程中的行为与最终涂层性能之间的关系,重点关注颗粒加速、加热、扩散和固化过程。文章评估了电弧电流、气体流速和喷涂距离等关键参数对颗粒速度、温度和形态的影响,并讨论了无量纲参数、喷射形成和界面热传递在决定涂层微观结构中的作用。此外,还研究了机器学习和深度迁移学习等新兴人工智能方法在优化等离子喷涂工艺方面的潜力。综述强调,控制颗粒飞行行为对于提高涂层附着力、密度和性能至关重要,有助于减少孔隙率和微裂纹等缺陷。
引言
等离子喷涂是表面工程领域领先的热喷涂技术,在航空航天、工业燃气轮机、汽车制造和生物医学等领域有重要应用[1,2]。其火焰核心温度超过12,000 K,结合高喷射速度,能够快速加热和加速金属、陶瓷甚至耐热复合材料颗粒。这种加工能力使得涂层具有出色的基底结合力和低孔隙率,从而表现出优异的高温耐受性、耐磨性和耐腐蚀性,这对于延长部件使用寿命和提高恶劣工作环境下的设备性能至关重要[3]。
涂层的形成依赖于一系列复杂的物理化学过程,其中喷射中的熔融或半熔融颗粒是核心参与者。这些颗粒经历碰撞、扁平化、快速冷却和固化,最终形成包含部分未熔化颗粒、微孔和微裂纹的分层微观结构[4,5]。颗粒对基底的冲击涉及复杂的流体动力学现象,包括扩散、固化和界面热传递[6,7]。值得注意的是,单个颗粒在基底上的扩散和固化过程发生在微秒级别(约10??至10??秒),这给直接实验观察带来了很大挑战[8]。然而,最近的进展已经解决了这一限制:计算流体动力学(CFD)模型现在可以模拟颗粒飞行轨迹和热传递,而人工智能(AI)工具(如卷积神经网络(CNN)可用于高速成像分析,从而实现对喷射形成和固化的定量表征[[9], [10], [11]]。
等离子喷涂研究中的一个核心挑战是精确控制涂层微观结构[12]。现有研究表明,不同阶段的工艺变量(包括喷枪结构参数、喷涂条件、粉末特性(颗粒大小分布、形态和聚集状态)、颗粒飞行行为(速度、温度和熔化程度)、基底表面条件以及大气因素(环境压力、氧含量)直接影响颗粒的冲击行为[13,14]。例如,粉末聚集可能导致颗粒熔化不均匀,从而产生局部孔隙率,降低涂层韧性;同样,过度预热基底可能会引起热残余应力,增加裂纹倾向。这些因素不仅影响涂层的微观结构,还影响其热力学性能(结合强度、硬度、杨氏模量、断裂韧性、热导率)和服务性能(热循环寿命、抗氧化性、隔热性)[[15], [16], [17], [18], [19]]。作为涂层的基本构建块,扁平化的颗粒(喷射物)在决定微观结构和性能方面起着关键作用[20]。它们的扩散形态受颗粒飞行特性、基底条件和环境因素的影响,这突显了明确颗粒飞行行为、扩散动力学和最终涂层质量之间关系的必要性。更深入地理解颗粒扩散和喷射机制对于精确控制微观结构、优化性能和开发下一代涂层系统至关重要[17,21]。图1展示了等离子喷涂机制的示意图,该图说明了包括颗粒轨迹、喷射相互作用、热传递和熔化、对基底的冲击以形成涂层以及使用人工智能预测其性能等一系列过程[2,22,23]。
本综述重点关注等离子喷涂的两个核心方面:单个颗粒的飞行特性及其在基底表面冲击、扩散和固化过程中的行为。为了精确控制涂层微观结构和沉积效率,本研究结合了实验和数值模拟方法来研究整个涂层形成过程,包括颗粒积聚、热传递和热积累现象。具体分析包括三点:(1)等离子喷射与颗粒之间的相互作用,重点关注颗粒温度演变、速度变化和飞行过程中的表面细化;(2)工艺参数对颗粒飞行行为的影响,以及建立工艺条件与颗粒状态之间的定量关联;(3)熔融滴在基底冲击时的扁平化行为,考虑冲击速度、熔化状态、雷诺数(Re)、韦伯数(We)和基底属性以及环境参数对扩散过程的影响。此外,综述还讨论了机器学习、人工神经网络和深度迁移学习在新兴涂层系统中的应用,以应对数据稀缺问题,从而推动等离子喷涂技术的发展。
等离子喷涂的基本原理
等离子喷涂的基本原理是通过加速熔融或半熔融颗粒朝向基底来形成功能性涂层,其技术核心是等离子弧的产生。在工业设置中,惰性气体(氩气、氦气或氮气,通常混合使用以调整热传递性能)通过喷枪喷嘴注入等离子生成室。在两个电极之间施加高电压电场:钨阴极具有耐热性
颗粒特性
颗粒特性对涂层形成和长期性能有着决定性影响。对于相同材料的颗粒,较大的颗粒由于惯性较大,往往会穿过等离子射流的核心区域并向其外缘移动;相比之下,较小的颗粒则留在高温核心区域内。这种轨迹差异导致较小颗粒更有效地加热和熔化,从而产生密度更高、孔隙率更低的涂层[28,29]。
单个颗粒的温度和速度
颗粒诊断技术的进步扩展了研究热喷涂过程的方法范围[40]。这些诊断系统可以测量飞行颗粒的关键参数:表面温度、速度和轨迹。它们还能够在一定程度上评估颗粒大小分布[41]。在等离子射流中,颗粒速度和表面温度是决定涂层质量的关键因素[12]。因此,理解这些因素
熔融滴沉积特性参数
如前所述,熔融滴的飞行速度、温度和轨迹是表征其飞行行为的基本参数。一般来说,颗粒速度和温度会随着喷射特性和工艺参数的变化而变化。然而,需要强调的是,较高的表面温度和飞行速度并不总是有利于熔融滴的沉积。颗粒本身的熔融状态是这一过程中的关键因素[12]。
影响喷射物扩散过程的因素
扁平化的颗粒(喷射物)是等离子喷涂涂层的基本构建块。当单个颗粒撞击基底并在其表面扩散后迅速固化时形成。这一过程涉及一系列复杂的相互作用,包括非等温固化、热和质量传递以及流体流动。熔融滴的扩散和固化行为,以及滴状物重叠的统计模式,直接决定了涂层的质量。
实验的局限性和数值模拟的进步
优化等离子喷涂参数是一项具有挑战性和耗时的任务,特别是在测量等离子射流的温度和流场或观察颗粒在飞行中的加热和加速时。这些挑战源于实验设备的限制[37]。在等离子喷涂中,喷射物的扁平化和固化过程发生在微秒级别,使得通过实验完全捕捉喷射物形成的物理机制变得困难
人工智能技术的应用
研究人员长期以来一直结合实验和数值模拟来研究各种喷涂参数如何影响颗粒流体的相互作用。然而,传统的计算流体动力学(CFD)工具仍然面临精度、计算成本和时间消耗等方面的挑战[122]。作为回应,机器学习(ML)算法作为一种有前景的替代方案出现了[123,124]。图13A展示了
结论与展望
等离子喷涂中单个颗粒的飞行行为在决定涂层性能方面起着关键作用。数值模拟和实验技术的进步为理解颗粒在等离子射流中的运动及其与周围介质的相互作用提供了宝贵的见解。这些进展为优化喷涂参数和提升涂层性能奠定了坚实的理论基础。有效控制颗粒加速、加热和蒸发过程
新兴挑战与机遇
尽管等离子喷涂技术在各个工业领域得到广泛应用,但在其进一步发展和优化方面仍存在重大挑战。然而,这些挑战也为创新带来了巨大机遇。未来的研究应重点关注三个关键领域的深度融合:先进诊断技术、高精度多物理场模拟和人工智能驱动的工艺优化。这种整合旨在实现精确的设计和制造
先进诊断技术的整合与挑战
目前的在线监测系统(如DPV-2000和AccuraSpray)可以提供颗粒温度、速度和大小的统计信息。然而,这些系统存在局限性:它们缺乏足够的时空分辨率,难以捕捉单颗粒动态,并且适应极端环境的能力不足。这些极端环境包括工业喷涂中常见的高压和高温条件。
这里的主要挑战是开发
高保真多物理场模拟的先进要求
当前的模拟方法通常依赖于理想化的假设,例如球形颗粒、均匀的温度场,以及忽略蒸发和化学反应。这些假设使得难以反映实际喷涂过程的非线性和非平衡特性。
这里的挑战在于构建更接近物理现实的多尺度、多物理场耦合模型。这项工作的关键组成部分包括两个方面
人工智能和机器学习驱动的工艺优化
尽管机器学习方法(如CNN和ResNet)在颗粒状态预测和工艺逆向建模方面显示出潜力,但其在等离子喷涂中的应用仍处于早期阶段。三个主要限制仍然存在。首先,数据稀缺和质量不一致性限制了监督学习模型的泛化能力。其次,模型可解释性差和“黑箱”特性阻碍了对工艺机制的深入理解。第三,解决逆问题仍然是一个挑战
资助
本研究得到了国家自然科学基金(U2004169)、河南省科技研究项目(222102220011)和山西省基础研究计划青年项目(20241162)的资助。
Kun Liu:撰写——审稿与编辑。Mengyu Guo:撰写——初稿。Guoyong Ye:研究。Yu Wang:研究。Wei Fan:研究。Jinguang Du:研究。Yang Cao:研究。Lei Zhang:研究。