通过分子动力学模拟来设计合金元素,以便在钢铁的增材制造过程中充分利用氧的增加效果
《Journal of Materials Research and Technology》:Design the alloying elements to positively utilize the oxygen increase during additive manufacturing of steels by molecular dynamics simulations
【字体:
大
中
小
】
时间:2026年03月10日
来源:Journal of Materials Research and Technology 6.2
编辑推荐:
通杜勇国|余隆洛|M. 莫辛·拉扎|张维杰|陈成彦|蔡国腾
国家成功大学,机械工程系,台湾台南
**摘要**
汽车行业的电气化加剧了对高性能电动马达的需求,其中铜制发夹式绕组因其卓越的电性和热性能而受到青睐。然而,由于铜具有较高的导热性和较低的红外(IR)激光光吸收
通杜勇国|余隆洛|M. 莫辛·拉扎|张维杰|陈成彦|蔡国腾
国家成功大学,机械工程系,台湾台南
**摘要**
汽车行业的电气化加剧了对高性能电动马达的需求,其中铜制发夹式绕组因其卓越的电性和热性能而受到青睐。然而,由于铜具有较高的导热性和较低的红外(IR)激光光吸收率,铜的自熔焊接具有挑战性,这通常会导致传统IR激光焊接过程中的不稳定和缺陷。蓝色二极管激光器显著提高了铜的吸收率(高达约60%),从而实现了稳定的传导模式焊接,并减少了飞溅。尽管有这一优势,但由于工艺参数的互补影响,实现可重复的高质量焊接仍然很困难。为了解决这些挑战,我们开发了一个混合优化框架,结合了高保真的FLOW-3D热流体模拟、系统的焊接实验和人工神经网络(ANN)建模。训练有素的ANN生成了三维工艺图,这些图可以根据激光功率、螺旋扫描速度和椭圆形扫描速度预测焊接珠的宽度和穿透深度。结果表明,优化后的参数生产的铜制发夹式接头具有较高的机械强度(210-260 N)和较低的电阻(30-38 μΩ),同时满足焊接宽度和穿透深度两个标准。此外,EDS分析证实,良好的焊接接头氧含量低且铜成分一致。相比之下,过度焊接的区域在多个位置显示出显著的氧富集,尽管这些区域的机械强度最高、电阻最低。这些发现表明,过量的能量输入会促进氧化物包裹和孔隙形成,强调了优化工艺参数对于保持冶金清洁度和接头完整性的重要性。
**1. 引言**
近年来,车辆电气化的快速发展推动了高性能电动驱动系统的需求,促使出现了新的制造方法。许多电动汽车的定子现在使用“发夹”式绕组,即具有矩形截面的扁平铜条,以满足严格的效率目标,而不是圆形电线[1]。这种几何形状使得槽内的铜填充系数更高,从而提高了电机功率密度。然而,铜的材料特性使得自熔焊接变得具有挑战性。铜反射和传导热非常有效:只有大约10^64纳米红外光束的百分之几被初始吸收,其导热性在所有金属中位列前茅[2]。因此,焊接铜通常需要千瓦级的强激光器来形成关键孔,但铜的关键孔焊接往往非常不稳定[3],[4]。关键孔中的不稳定和快速汽化导致铜的IR激光焊接过程中出现孔隙和飞溅。实际上,正如Dimatteo等人[5]所指出的,铜的低吸收率和高导热性意味着只有在纯铜中才能实现关键孔模式,这使得该过程“更容易出现不稳定、孔隙形成和飞溅”。
最近激光技术的进步开始克服这些障碍。短波长激光器(绿色约515纳米和蓝色约450纳米)能将更多能量传递给铜[3]。例如,Finufa等人[6]报告称,450纳米的蓝色激光器在铜上的初始吸收率可达60-65%,实现了稳定的传导模式焊接,并减少了飞溅。同样,Zediker等人[7]证明,600瓦的连续波蓝色激光器可以在1毫米厚的铜中产生致密且无飞溅的完全穿透焊接。在这些实验中,蓝光在关键孔壁中被均匀吸收,因此一旦形成关键孔,它在广泛的扫描速度范围内都能保持稳定,几乎没有孔隙[7],[8],[9]。简而言之,可见光激光器通过提高吸收率和减少导致缺陷的能量尖峰,极大地扩展了铜焊接的加工窗口。最近的研究越来越多地探索将蓝色激光源应用于电动驱动系统的铜制发夹绕组。系统的基准研究比较了从近红外到可见光谱范围内不同激光平台的焊接性能,建立了焊接质量、熔合区几何特性和最终机械性能之间的定量关系[10]。此外,Ortolani等人[11]表明,3千瓦蓝色激光产生的独特焊接珠形态使得外部焊接尺寸与接头的机电性能之间存在稳健的相关性——这在近红外焊接过程中通常是难以实现的预测能力。报告的结果包括焊接形态、电阻和机械强度指标,表明与传统基于红外的加工方法相比,该工艺具有更高的稳定性和更好的接头一致性。
即使使用蓝色激光源,实现一致的高质量发夹式焊接也需要仔细控制许多相互作用参数(功率、光束尺寸、速度、路径等)[1],[10],[12],[13]。为了稳定熔池,已经探索了复杂的激光束轨迹和预热策略。例如,Chen等人[14]表明,使用“∞”形扫描模式而不是简单的线性扫描可以显著提高铝的焊接质量,将孔隙率降低到1%以下,并产生非常均匀稳定的熔池。这种先进的扫描模式扩大了有效的热量输入,使熔池冷却更加均匀,这表明类似的益处也可以在铜制发夹焊接中实现。此外,在金属成形中,研究人员现在常规使用三维工艺图和神经网络模型来可视化安全和不稳定的区域[15],[16],[17]。Wei等人[16]研究了TA1/SUS430钛/钢双金属复合材料的熱变形行为。开发了两种模型,Arrhenius和BP-ANN,用于预测流动应力,其中BP-ANN显示出更高的准确性。然后,建立了2D和3D热加工图,发现不稳定的区域随着应变的增加而扩大,并且在界面处形成了微裂纹。此外,我们的团队还提出利用ANN生成激光焊接的工艺图[18],[19],[20],[21],[22],[23]。例如,Tsai等人[18]引入了一种结构化方法来优化SS316不锈钢搭接接头的激光功率和扫描速度。通过结合精确的模拟技术和ANN模型,他们基于三个关键参数生成了工艺图:熔池深度、熔池宽度和冷却速率。这些图通过定义的质量基准进行了进一步评估,以确定能够有效减少孔隙率、最小化热影响区(HAZ)并同时降低残余应力的最佳工艺条件。Tien等人[19]研究了使用摆动策略进行铝-铜异种搭接接头脉冲激光焊接的最佳参数。圆填充算法选择了一些峰值功率和焊接速度组合,并通过CFD模拟来预测熔池几何形状和铜浓度。通过应用基于质量的过滤器,确定了确保无缺陷接头和改善机械及电气性能的最佳参数。
**2. 方法论**
2.1. 数值模拟设置
图1展示了铜制发夹的三维网格模型,从顶部视图和截面视图两个方面进行了展示。值得注意的是,在激光与材料相互作用区域应用了局部网格细化,以提高熔合区附近的空间分辨率。图1(a)显示了两个发夹之间的间隙。图1(b)提供了激光路径在发夹表面的空间可视化。轨迹设计的准确性和验证支持了后续热流体模拟中对热量输入的准确建模。
为了补充实验研究,开发了一个三维数值模拟,以预测纯铜发夹蓝色激光焊接过程中的热行为和熔池形成。模拟研究了激光功率范围从600到760瓦以及扫描速度在20到35毫米/秒之间的情况。
在当前的计算流体动力学(CFD)框架中,气体区域没有作为独立的计算域进行离散化。因此,屏蔽气体(氩气)没有通过显式求解质量、动量和能量的守恒方程来求解。相反,熔池和周围固体表面向周围氩气环境的热量散失是通过规定的对流通边界条件来建模的。所有暴露的表面都应用了均匀的自然对流热传递系数h ≈ 10 W·m^-2·K^-1,以及文献中报告的焊接模拟中常用的恒定表面发射率0.2[24]。在这个建模框架中,氩气被视为不参与动量传输的惰性介质。因此,忽略了强迫对流效应和任何与屏蔽气体羽流相关的机械相互作用。因此,辐射和对流向周围大气的热损失以有效的方式纳入考虑;然而,为了降低计算复杂性,有意省略了详细的气相流动动力学和羽流-熔池耦合现象。
本研究开发的计算流体动力学(CFD)模型基于一组物理假设和支配方程,这些方程描述了纯铜发夹蓝色激光焊接过程中发生的热流体行为。激光能量输入使用高斯热源表示,以考虑光束的轴对称强度分布。相应地,体积热通量表示为[25]:
(1)
其中q表示热通量密度,Q是光束中心的峰值热强度,r是从光束轴到熔池中心的径向距离,rb是光束在焦点的半径。激光与材料的相互作用使用基于FLOW-3D?实现的多反射算法进行光线追踪建模,考虑了熔池内的内部反射。质量守恒方程表示为[26]:
(2)
其中v是速度向量,ρ是流体密度,m是金属滴贡献的质量源项。能量守恒方程表示为[26]:
(3)
其中h是焓,T是温度。在这个公式中忽略了体力。此外,固液相变使用基于熵的连续模型来描述,例如[26]:
(4)
其中ρ_s和ρ_l分别是固体和液体的密度,ΔH_s和ΔH_l是固体和液体的比热,T_s和T_l分别是固相和液相的熔点,ΔH_f是熔化潜热。为了捕捉关键孔形成过程中的自由表面动态,采用了体积分数(VOF)方法。用于跟踪自由表面运动的VOF方程表示为[26]:
(5)
其中φ_v是流体体积分数,d_v是由于熔化导致的质量传递而产生的流体体积变化率。此外,关键孔动态主要受金属 vaporization 诱导的反冲压力影响。作用在关键孔壁上的反冲压力PR(T)建模为[26]:
(6)
其中P_atm是大气压力,P_vap是沸点,ΔH_vap是熔化潜热,γ是通用气体常数。
模拟中实现的边界条件如下。在计算域的顶面和底面上施加了出流条件,结合了方程(7)中描述的热传导、对流、辐射和蒸发效应。侧边界使用连续边界条件进行建模,根据方程(8)[27]制定:
(7-8)
其中n是表面的法向量,κ是对流系数,ε是辐射系数,σ是与蒸发速度相关的 Stefan-Boltzmann ?常数,τ_v是因蒸发速度引起的自由表面衰减。
铜的物理性质,包括导热性、比热容和密度,被视为温度依赖的函数T(K),如表1中所总结。铜在固态(s)和液态(l)下的热物理性质作为温度T(K)的物理函数[28],[29]。材料性质如下:
| 物理性质 | 表示范围 |
|-----------------|-------------------------------------------|
| 液态金属密度 ρ (kg/m3) | 8960 (s); ?0.807×T + 9072 (l); T ≤ 2450 |
| 热导率 k (W/m·K) | 7.509×T + 418.8 (s); (1100 ≤ T ≤ 1900) |
| 金属蒸汽比热 Cp (J/kg·K) | 385 (s); 572 (l) |
| 流体粘度 μ (mPa·s) | (1950 ≤ T ≤ 1900) |
| 表面张力 γ (mN/m) | ?0.176×T + 1552 (l); T ≤ 1550 |
| 熔点 (K) | 1358 |
| 汽化温度 Tv (K) | 2835 |
| 环境温度 (K) | 293 |
尽管文献中报告了多种光束轨迹,如线性扫描、单螺旋运动和八字形图案,但对这些替代方案的系统性benchmarking超出了本研究的范围。所提出的四段复合轨迹是基于初步的内部试验和文献证据选择的,表明振荡运动可以增强熔池的稳定性和能量均匀性。与简单的线性扫描相比,初步观察显示在发夹界面的终端区域峰值温度梯度减小,润湿效果有所改善。
在图2中,本研究采用的激光扫描策略由四个不同的部分组成:Spiral 1、Spiral 2、Elliptical 4和Elliptical 3,通过连续的轨迹连接起来。如图2所示,Spiral 1(黄色)和Spiral 2(黑色)位于发夹的两端,在这些位置集中能量输入以促进稳定熔化并增强端部区域的润湿效果。
为了严格几何定义扫描路径,椭圆段使用以下参数方程进行描述:
(9)
其中a和b分别表示椭圆沿x轴和y轴的半长轴和半短轴,t是角度参数。这种描述定义了一个以原点为中心的闭合椭圆路径,对应于Elliptical 3和Elliptical 4中采用的轨迹。
螺旋段表现出径向展开的椭圆运动,用以下通用参数形式描述:
(10)
其中θ是角度参数(以弧度为单位),a'和c'表示x和y方向上的初始半径,b'和d'定义了沿各自轴的径向扩展率。这种螺旋配置使得能量逐渐分散,并提高了焊接区域外边界区的稳定性。
从热流体的角度来看,这种复合扫描模式旨在沿焊接路径更均匀地分布能量输入。开始和结束时的螺旋运动提供了局部加热,以补偿边缘效应并降低未完全融合的风险。在中心区域,椭圆轨迹引入了横向光束振荡,这已被证明可以平滑温度梯度,减少熔池不稳定性,并最小化气孔和匙孔塌陷等缺陷[5],[10],[14],[30]。与通常会产生尖锐温度峰值和高热梯度的传统线性扫描不同,本研究中的曲线路径预计可以降低表面温度峰值,并促进渐进式的加热和冷却。这对于铜特别有利,因为铜的高热导率和反射率使其对不均匀的能量输入特别敏感。此外,复合轨迹的重叠和对称性可以通过减轻发夹放置过程中的微小错位或几何不一致性的影响来增强工艺的稳健性。
所有模拟都在Intel? Xeon? E5-2630 v4处理器(10核)上执行。每种情况的计算时间主要受施加的扫描速度控制。在较低扫描速度下进行的模拟大约需要10-12小时才能完成,而在较高扫描速度下通常在6-8小时内收敛。
2.2. 实验设置
实验使用高纯度铜发夹进行,这些发夹代表了电动汽车牵引电机中标准定子绕组导体。该系统能够实现高速光束偏转和对光束轨迹的精确控制,以便在焊接区域进行定制的能量输入。激光功率可以在600 W到760 W之间调节,从而可以控制研究功率依赖的焊接形成。激光光束路径采用了摆动扫描策略,在行进方向上引入了横向振荡。这种技术已被证明可以改善熔池稳定性,增强热量分布,并减少飞溅和咬边形成[1],[14]。摆动策略在需要高接头均匀性和焊接界面能量均匀化的应用中特别有益。在整个焊接过程中,使用高纯度氩气作为保护气体,以防止熔融铜的氧化并最小化焊接气孔和氧化物形成[7],[31]。保护配置遵循最佳实践,以在蓝光激光照射下保持焊接表面的完整性和热稳定性。
所有工艺参数(激光功率、扫描速度、摆动幅度和保护气体流量)都在所有实验中进行了预校准并保持一致,以确保高重复性。这种控制对于随后验证计算模型和在不同设置下比较焊接形态至关重要。
焊接铜接头的机械性能通过拉伸剪切测试进行评估。如图3所示,每个样本由两个以搭接接头方式焊接的纯铜发夹组成[5],[30]。测试使用配备5 kN负载传感器的Shimadzu AGS-X机器进行,十字头速度恒定为1.0 mm/min。样品被轴向拉伸以在焊接界面产生剪切应力。对于每种焊接条件,测试了三个样品以确保统计可靠性。
2.3. 人工神经网络(ANN)建模
为了补充基于物理的模拟并扩展预测能力到更广泛的过程参数空间,实施了一种ANN建模策略。这种方法通过提供连续的、数据驱动的过程-响应关系映射来克服数值模拟的可扩展性和离散性限制,特别是对于蓝光激光焊接纯铜发夹的情况。
初始参数设计用于训练数据生成,采用了圆形包装策略,确保在输入空间内系统地、均匀地采样。选定的变量包括激光功率(600–760 W)、切向扫描速度(20–35 mm/s)和激光路径配置(螺旋和椭圆段的组合),如图5所示。尽管CFD模拟在这些条件下提供了详细的热流数据,但它们仍然受限于有限的参数组合网格。
为了克服这一限制,使用MATLAB的Neural Network Toolbox开发了一个前馈ANN,灵感来源于先前在高温成形金属合金方面的工作[16],[17]。ANN架构包括一个输入层,其中包含激光功率和扫描速度;两个隐藏层,每个层有5个神经元;以及一个输出层,用于预测关键焊接特性:穿透深度、焊接宽度和有效扫描频率。该模型使用基于均方误差(MSE)损失函数的监督学习算法进行训练,并使用缩放共轭梯度(SCG)方法进行优化,类似于在钛合金热机械加工中使用的BP-ANN框架[15],[17]。
一旦训练和验证完成,ANN显示出强大的预测准确性,并用于插值和推断超出CFD数据集的结果。这使得构建高分辨率的三维加工图成为可能,在该图中,激光功率和扫描速度与焊接质量指标相对应。这些基于ANN的图为识别蓝光激光焊接铜的最佳过程窗口提供了快速、灵活的工具,类似于在Ti-55511和Ti-不锈钢复合材料热变形建模中使用的ANN构建图[16],[17]。将ANN建模集成到本工作中不仅增强了过程优化的覆盖范围和灵活性,还促进了实验、数值和机器学习模型之间的耦合,形成了统一的决策框架。
为了确保对ANN模型预测能力的稳健评估,从CFD模拟生成的完整数据集被随机分为三个子集:70%用于训练,15%用于验证,15%用于独立测试。验证子集用于提前停止和超参数稳定,以防止过拟合,而测试子集专门用于最终性能评估。模型性能使用决定系数(R2)和均方根误差(RMSE)进行定量评估。在独立测试集上,ANN在焊接宽度预测方面获得了0.91009的R2和0.072 mm的RMSE。对于穿透深度预测,模型的R2为0.90713,RMSE为0.085 mm。这些结果表明预测值与模拟值之间有很强的一致性,并确认了模型能够泛化到训练数据集之外。相对于目标尺寸范围(宽度4.0–5.0 mm,深度2.5–3.5 mm),较低的RMSE值进一步证明了ANN在过程窗口构建和多目标优化方面的预测精度。
2.4. 加工图的生成和解释
基于训练好的ANN,构建了高分辨率的加工图,以可视化关键激光焊接参数与结果接头质量指标之间的关系。这些三维图提供了一个全面的框架,用于识别导致铜发夹组件稳定、高性能焊接的最佳激光功率、扫描速度和轨迹组合。每张图显示了从ANN预测得出的性能指标(如焊接宽度、穿透深度和结合面积)的插值表面。例如,增加激光功率通常会增强穿透深度;然而,超过680 W的过量能量输入可能会引起匙孔不稳定性和气孔,这与在高能量密度焊接条件下铜接头报告的实验结果一致[5]。相反,较低的扫描速度由于长时间的热输入会扩大焊接宽度,但也可能增加表面粗糙度和热变形,因此需要仔细的过程控制。
为了确定最佳过程窗口,根据经验基准定义了质量阈值:可接受的焊接宽度(4.0–5.0 mm)和穿透深度(2.5-3.5 mm)。根据这些阈值对ANN生成的图进行了过滤,突出了同时满足这些条件的过程区域。这些区域代表了平衡能量输入和热稳定性的参数集,从而产生无缺陷的焊接。这些图的多目标特性使得可以进行定制决策;例如,对于机械完整性,可以选择较高的深度与宽度比,而对于需要低电阻的应用,则可以选择较宽的焊接接口。这种方法与之前利用ANN生成的加工图在材料工程中的研究一致,其中反馈传播架构在多种热机械系统中展示了高准确性和泛化能力[16],[17]。
通过使用从识别出的最佳区域提取的参数执行针对性的焊接试验来进行验证。金相检查证实了与预测几何形状的高度一致,尺寸偏差在±5%范围内,证明了基于ANN的框架的可靠性。这种方法与使用ANN生成3D加工图的最新冶金研究中的最佳实践一致[16]。通过利用ANN的预测能力和泛化能力,开发的加工图为优化蓝光激光焊接铜提供了强大的决策工具。
3. 结果和讨论
最近关于蓝光波长激光焊接铜发夹的文献主要集中在确保高功率二极管系统下的传导模式过程稳定性以及表征焊接后接头质量上,特别是运行在固定3 kW制度下的情况[11]。这种高功率配置对于建立外部焊缝形态与接头电机械完整性之间的稳健相关性至关重要,这在低功率或近红外过程中通常是难以获得的。几项基准测试研究表明,在可见光谱范围内操作可以扩大电子驱动器发夹应用的稳定加工窗口,尤其是当与优化的光束成形和传输策略结合使用时[10]。这些研究共同强调,与传统红外光源相比,该方法的吸收率更高,熔池可控性也更好。与常见的高功率应用不同,本研究在显著较低的功率范围内(600-760瓦)进行,同时仍满足铜发夹搭接接头的几何要求,即焊接宽度为4.0-5.0毫米,穿透深度为2.5-3.5毫米。所得接头表现出经过实验验证的机械强度和低电接触电阻,从而符合电子驱动器组件的功能需求。除了证明工艺可行性外,这项工作的主要贡献在于建立了一个可预测、可扩展的优化工作流程。高保真度的CFD模拟被用来生成捕捉热流行为的结构化训练数据集。随后利用这些数据来训练ANN模型,以实现多维参数空间的插值。最后,基于ANN的三维工艺图被构建出来,以快速且可靠地识别多段摆动光束轨迹的稳定工作窗口。这一综合框架为先进蓝激光发夹焊接的工艺窗口划分提供了系统化的路径。从绿色设计的角度来看,最佳设置是从工艺图中精心挑选出来的。适度的功率加上较快的扫描速度可以在保持生产量的同时降低每道焊缝的能量消耗。此外,螺旋+椭圆形的路径有助于更均匀地分布热量,从而减少过热、缺陷和返工——因此节省了电力、气体和材料浪费。因此,这是一种能量消耗最小的高效焊接策略。
3.1. 实验和模拟结果
图6展示了在相同的蓝激光焊接条件下,实验测量的焊缝横截面(左)与数值预测的温度场(右)的并排比较。该比较为评估基于CFD的热模型在再现纯铜发夹焊接过程中的熔池几何形状和热影响区(HAZ)方面的准确性提供了定性和定量证据。在模拟场中,红色区域对应于熔融区域,而蓝色区域代表发夹形状,从而可以直接可视化熔池边界与实验轮廓的关系。
实验图像显示,铜接头的顶部界面处形成了清晰的焊缝珠,半椭圆形的熔合区延伸到基材中。测量的焊接宽度约为4.39毫米,穿透深度达到2.76毫米。平滑的熔合边界以及没有可见的孔隙、界面空洞或烧穿现象表明,在受控能量输入下实现了稳定的匙孔模式熔化,从而实现了完全的冶金结合。
同时,模拟输出使用颜色渐变场来描述预测的温度分布,其中红色区域表示峰值温度(完全熔化),周围的轮廓代表向固态材料的热过渡。模拟的熔池显示最大宽度为4.54毫米,深度为2.65毫米,这两个数值都与实验结果非常接近。熔合轮廓形状的一致性,特别是半球形深度和横向扩展程度,证明了该模型能够高空间保真度地捕捉主要的热现象。熔化边界附近的微小偏差归因于建模假设,如均匀的热导率、恒定的激光吸收率或理想化的边界条件。尽管这些简化措施对于计算可行性是必要的,但可能无法完全再现实际铜在聚焦蓝激光照射下的瞬态和空间变化热响应。
总体而言,这种比较验证了模拟框架在预测焊缝区关键形态参数方面的准确性,支持其用于进一步的工艺窗口优化和敏感性分析。
3.2. 焊接宽度和深度的结果
表2展示了本研究中使用的实验矩阵,包括六种不同的焊接情况,这些情况涉及激光功率、扫描速度和发夹间隙的各种组合。激光功率水平分别为760瓦、680瓦和600瓦,扫描速度在螺旋和椭圆形段上分别从25毫米/秒到35毫米/秒不等。这些参数为分析能量密度和空间配置如何影响纯铜发夹蓝激光焊接中的熔合质量提供了系统的基础。
图7展示了在六种焊接条件下实验和模拟焊接宽度的比较分析。左侧纵轴表示测量的和预测的焊接宽度(单位毫米),右侧纵轴表示实验观察值与模拟输出之间的相应百分比误差。
在所有样本中,模拟预测的焊接宽度(橙色条形)通常与实验测量值(蓝色条形)一致。焊接宽度的绝对偏差范围大约在0.03毫米到0.26毫米之间。误差趋势由绿色线条表示,样本4的最大正偏差约为+3.2%,样本6的最小误差约为-0.3%。
观察到的偏差可能归因于模拟模型中的简化热属性或材料属性假设,例如恒定的吸收率、各向同性的导热性或忽略了瞬态效应。此外,与激光功率波动、夹具对齐或铜表面条件相关的实验变异性也可能导致误差范围。尽管存在这些差异,实验值与模拟值之间的整体趋势一致性支持了数值模型捕捉工艺参数对焊接宽度总体影响的能力。这种相关性在样本1和6中尤为明显,其中模拟误差保持在1%以下,表明其对于设计和优化目的具有可接受的预测可靠性。
图8比较了六种焊接条件下的实验和模拟焊接深度。焊接深度值(单位毫米)绘制在左侧轴上,右侧轴表示每个样本的相应百分比误差。总体而言,模拟预测的穿透深度(橙色条形)与实验结果(蓝色条形)吻合良好,尽管与宽度预测相比,偏差较大。绝对误差范围大约在-0.05毫米到-0.25毫米之间,样本6的最大百分比误差约为-11%,样本1的最小误差接近-1%。
一致的负误差值表明模拟模型可能低估了实际的熔透深度。这种差异可能源于关于激光吸收率、能量耦合效率或热边界条件的假设。例如,在不同的间隙宽度和接头几何形状下使用恒定的吸收率可能无法捕捉匙孔形成过程中的局部能量吸收动态。此外,实验中的不确定性,如间隙间距的微小变化、表面氧化或光束对准问题,也可能影响实际穿透结果。这些因素没有明确包含在模拟输入中,可能是观察到的偏差部分原因。
总之,模拟模型在复制焊缝几何形状方面表现出很强的性能,尽管在深度熔合情景中存在一些局限性。这些结果支持将该模型作为初始工艺开发和进一步优化激光参数的决策工具。
3.3. 基于ANN预测的工艺图分析
图9展示了经过训练的ANN模型在多维工艺参数空间内预测的焊接宽度分布的全面可视化。这些图表说明了激光功率(600-760瓦)、螺旋速度(20-35毫米/秒)和椭圆形速度(20-35毫米/秒)对焊接珠宽度的综合影响。焊接珠宽度的颜色范围从3.0毫米(蓝色)到6.0毫米(红色),可以清晰地识别出焊接不足、最佳焊接和焊接过度的区域。
图10展示了四个基于ANN生成的工艺图,这些图根据三个输入参数预测焊接穿透深度:激光功率(600-760瓦)、螺旋扫描速度(20-35毫米/秒)和椭圆形扫描速度(20-35毫米/秒)。所有子图中的颜色渐变表示预测的焊接深度,范围从2.2毫米(深蓝色)到4.2毫米(深红色),可以识别出焊接不足、最佳穿透和过度穿透的区域。具体来说,与4.0–5.0毫米的焊接宽度和2.5–3.5毫米的穿透深度相关的区域集中在激光功率为680瓦、扫描速度为25–30毫米/秒的情况下,无论是对于螺旋光束还是椭圆形光束组件都是如此。这些最优区域与实验验证样本之间的一致性支持了人工神经网络(ANN)模型在预测性过程优化中的可靠性。此外,多维图表突显了三个输入参数之间的非线性相互作用,并证实了ANN模型在可视化它们对焊接质量综合影响方面的有效性。这一能力对于先进铜制发夹焊接应用中系统设计工艺窗口至关重要。
3.4 焊接宽度和深度的多目标质量标准
本研究的关键目标是建立并验证纯铜发夹蓝光焊接的焊接宽度和穿透深度的定量质量标准。这些标准作为评估实验结果、模拟预测和基于ANN的工艺图的基础,最终指导参数优化策略。在汽车电机发夹接头的背景下,焊接宽度在确保机械强度和导电性方面起着关键作用。过窄的焊缝可能导致 bonding 面积不足和电阻增加,而过宽的焊缝可能会引起热变形或飞溅相关缺陷。穿透深度直接影响焊接接头的结构完整性,特别是在发夹搭接配置中,激光必须完全跨越界面以确保冶金结合。不完全的穿透可能导致运行过程中的电气接触失败或机械分离,而过度穿透则可能引发 keyhole 不稳定、飞溅和内部气孔。
为了定义焊接质量标准,本研究参考了之前关于铜发夹激光焊接的数据,如表3所示。Dimatteo等人[5]使用功率在1500到2500瓦之间的红外激光,得到了3.0–4.0毫米的焊接宽度和2.0–3.0毫米的穿透深度,顶部表面积约为7.0平方毫米。在更高的功率范围(2400–2700瓦)内,Yu等人[32]报告了更好的结果,宽度为4.4–4.6毫米,深度为3.3–3.6毫米,表面积接近8.0平方毫米。此外,D’Arcangelo等人[33]使用较低功率的红外光源(300–1000瓦),但获得了9.94平方毫米的顶部表面积,对应的焊接宽度和深度分别为5.0–6.0毫米和3.5–4.0毫米。
表3. 之前基于红外激光的研究与当前蓝光激光工艺的焊接结果对比
| 组别 | 激光类型 | 功率(瓦) | 顶部表面积(平方毫米) | 焊接宽度(毫米) | 焊接深度(毫米) |
| Dimatteo等人 [5] | 红外 | 1500-2500 | ~7 | 3 - 4 | 2 - 3 |
| Yu等人 [32] | 红外 | 2400-2700 | ~8 | 4 - 4.6 | 3 - 3.6 |
| D’Arcangelo等人 [33] | 红外 | 300-1000 | 9.94 | 5 - 6 | 3.5 - 4 |
| 本研究 | 蓝光 | 600-760 | 8.8 | 4 - 5.0 | 2.5-3.5 |
在本研究中,使用功率在600到760瓦之间的蓝光激光进行焊接。所得焊缝的顶部表面积为8.8平方毫米,宽度范围为4.0至5.0毫米,深度范围为2.5至3.5毫米。这些值是通过实验评估选定的,以满足尺寸约束和焊接质量要求,同时将过焊风险降到最低。基于这些发现,本研究采用了以下宽度分类:(a) 良好焊接(绿色):4.0毫米 ≤ 宽度 ≤ 5.0毫米;(b) 差焊(蓝色):宽度 < 4.0毫米;(c) 过焊(红色):宽度 > 5.0毫米。这一宽度标准被直观地纳入图11中,支持在ANN衍生的工艺图中清晰分类参数集,并便于实际解释焊缝均匀性。以下是基于深度的分类:(a) 良好焊接(绿色):2.5毫米 ≤ 深度 ≤ 3.5毫米;(b) 差焊(蓝色):深度 < 2.5毫米;(c) 过焊(红色):深度 > 3.5毫米。这一标准应用于图12中显示的深度分类图,并随后整合到图13的综合质量图中。
下载:下载高分辨率图片(1MB)
下载:下载全尺寸图片
图11. 基于焊接宽度可接受性的焊接参数空间分类。红色、绿色和蓝色区域分别代表过宽、可接受宽度和欠宽条件
下载:下载高分辨率图片(1MB)
下载:下载全尺寸图片
图12. 基于焊接深度可接受性的焊接参数空间分类。蓝色、绿色和红色区域分别对应于不足、可接受和过度穿透
下载:下载高分辨率图片(2MB)
下载:下载全尺寸图片
图13. 基于焊接宽度和深度可接受性的焊接参数空间综合分类。红色、绿色和蓝色点分别代表过焊、最佳焊接和差焊,并附有参考的实验案例
图13展示了由训练有素的ANN模型生成的高分辨率处理图,将焊接质量分为三类:过焊(红色)、良好焊接(绿色)和差焊(蓝色)。坐标轴分别代表螺旋速度、椭圆形速度和激光功率。样本A–F的实验设计被绘制出来以验证分类区域。样本C和D位于绿色区域内,证实了最佳工艺条件。样本A和B位于过焊区域内,而样本E和F位于差焊区域内,这与它们的冶金缺陷一致。该图有助于直观解释参数敏感性,并辅助选择工艺窗口。
4. 拉伸试验和电阻的实验结果
图14展示了标记为A至F的六个焊接铜发夹样本的拉伸试验结果。纵轴表示施加的拉伸载荷(牛顿),横轴显示在室温下准静态载荷期间的相应位移(毫米)。
图14. 搭接剪切测试条件下焊接铜发夹试样的拉伸载荷-位移曲线
曲线显示了测试样本之间的机械响应存在明显差异。样本A表现出最高的峰值载荷,超过300牛顿,紧随其后的是样本C和样本B,两者都达到了超过250牛顿的峰值载荷。相比之下,样本E记录的峰值载荷最低,约为130牛顿,表明在相同测试条件下接头强度较低。失效模式通过突然的载荷下降表明,断裂前发生了界面断裂和塑性变形。失效位移值范围大约在4.6毫米到7.3毫米之间,反映了焊接接头的延展性和能量吸收的差异。值得注意的是,观察到的变化可能是由于焊接形态、有效 bonding 面积或熔合界面的微观结构异质性造成的。
表4总结了从六个代表性的铜发夹焊接样本(样本A–F)测量的电气接触电阻,并对其焊接质量进行了定性评估。电阻值是使用图4中所示的四线Kelvin方法获得的,该方法将焊接接头上的电压降与引线和探针电阻分离。在样本中,样本B的电阻值最低,为5微欧姆,其次是样本A,为7微欧姆。虽然这些值表明了优异的导电性,但相应的视觉和机械评估表明这些接头可能存在过焊现象。这种情况可能导致熔合超出目标界面,从而增加材料变薄或退化的风险。
表4. 样本A–F的电气接触电阻和焊接质量定性评估
| 样本 | 电阻(微欧姆) | 质量 |
| ---- | -------- | ---- |
| A | 7 | 良好焊接 |
| B | 5 | 差焊 |
| C | 38 | 良好焊接 |
| D | 30 | 良好焊接 |
| E | 31 | 差焊 |
| F | 217 | 差焊 |
相比之下,样本C和D的电阻值分别为38微欧姆和30微欧姆,处于铜发夹应用的可接受范围内。这些结果与机械强度和焊接外观相符,支持它们被分类为良好焊接。此外,使用蓝光激光系统获得的38和30微欧姆电阻值低于使用红外激光系统获得的约95到100微欧姆的值[5]。另一方面,样本E和F的电阻值显著升高,分别为311微欧姆和217微欧姆。如此高的电阻表明电气接触不良,可能是由于熔合面积不足、内部孔隙或界面氧化造成的。这些发现与这些样本观察到的拉伸性能下降一致,进一步证实了电阻与整体接头完整性之间的相关性。
图15显示了样本A–F之间拉伸载荷与电气电阻之间的反比关系。样本A和B表现出低电阻(5–7微欧姆)和高拉伸强度(>290牛顿),表明结合牢固但可能存在过焊。样本C和D表现出平衡的性能,电阻适中(30–38微欧姆)和可接受的强度(210–260牛顿),表明焊接质量良好。相比之下,样本E和F显示出低强度和高电阻,反映了结合不良。这一相关性证实了电阻作为焊接完整性的有用指标。
应当强调的是,本研究采用的几何分类并不旨在将拉伸强度最大化或电气电阻最小化作为孤立的目标函数[11]。相反,它是为了划定一个平衡的、以可靠性为导向的工艺窗口,同时考虑尺寸控制、冶金完整性和功能性能。尽管样本A和B在测试条件下实现了最高的拉伸载荷和最低的电阻,但它们的焊接宽度和穿透深度超出了预定义的几何阈值,表明能量输入过多。这种过焊条件通常与材料蒸发加剧、keyhole 不稳定性和局部氧化现象有关。能量色散光谱(EDS)检测到的高氧浓度提供了在这些高热量输入条件下氧化反应增强的实验证据。这些效应可能进而促进孔隙形成、残余应力积累和几何变形,最终影响工业电子驱动应用的长期可靠性。相比之下,样本C和D满足了规定的尺寸标准(宽度4.0–5.0毫米,穿透深度2.5–3.5毫米),同时保持了冶金清洁度、高机械强度和低电气接触电阻。因此,这里的“良好焊接”分类被定义为一种多目标优化结果,反映了结构性能、微观结构质量和过程稳健性之间的折中,而不是任何单一性能指标的最大化。
5. EDS的实验结果
图16展示了在两种不同条件下(良好焊接和过焊)铜发夹焊接的SEM表面形态。在良好焊接条件下,表面显示出密集且定义明确的树枝状微观结构。这种形态没有大的空洞或不规则的不连续性,表明焊接过程中固化过程稳定且热输入受控。
图16. 110倍放大下蓝光焊接纯发夹熔合区的SEM显微照片
相比之下,过焊样本的表面形态相对平滑,但受到破坏,特征是分散的树枝状特征、暗色夹杂物和微孔。这些观察结果与能量输入过多有关,可能导致熔池不稳定。树枝状结构的降低一致性表明在固化过程中可能出现了局部过热和湍流。
图17和表5展示了在良好焊接和过焊条件下的焊接表面的EDS结果。在良好焊接区域,六个测量点中的四个(点1、3、5和6)显示出纯铜成分,Cu占比100%,O占比0%,表明氧化最小。点2显示出少量氧的存在(0.9%),而点4记录了显著升高的氧含量(85.4%),表明局部氧化或孔洞内部。
表5. 分类为良好焊接和过焊的焊接区域的EDS成分分析结果
| 分类 | Cu | O | CuO |
| ---- | ------------ | ------ | -------- |
| 良好焊接 | 1100 | 100 | 0 |
| 过焊 | 100 | 100 | 0 | 99.1 |
| 2 | 99.1 | 6.7 | 0.9 |
| 3 | 99.1 | 3.3 | 47.2 |
| 4 | 88 | 18.4 | 5.4 |
| 5 | 95.9 | 16.9 | 4.9 |
| 6 | 100 | 100 | 60.1 | 27.5 | 39.9 |
相比之下,过焊区域显示出更广泛的富氧位点分布。点2的氧含量为52.8%,点4达到83.1%,点6的氧含量为39.9%。只有点1、3和5保持纯铜。这些结果表明过焊区域存在更高的氧化程度或氧化物捕获,尤其是在孔洞附近[30]。通过EDS观察到的高氧浓度与激光焊接过程中过度热量输入导致的孔隙形成有关。过焊样品中观察到的高氧浓度对铜发夹应用是有害的。在高温下,铜容易形成Cu2O和CuO,这些氧化物可能被捕获在凝固的熔池中。这些氧化物夹杂物是脆性的,可能成为孔隙形成或界面不连续性的成核点。先前关于铜发夹激光焊接的研究报告指出,氧化和孔隙形成与过高的能量输入以及不稳定的熔池动态密切相关[1]、[5]、[30]、[31]。从功能角度来看,铜氧化物的导电性明显低于纯铜,其在焊接界面附近的存在可能会增加局部接触电阻,从而降低电流传输效率。此外,氧化物夹杂物和孔隙可能成为应力集中源,在电动机运行过程中循环热应力和电磁载荷的作用下降低抗疲劳性能。因此,尽管过焊样品可能表现出较高的静态抗拉强度,但伴随的氧富集问题引发了人们对冶金纯净度和长期可靠性的担忧。因此,控制热输入并减少氧化对于制造耐用且电性能稳定的发夹接头至关重要。
6. 结论与未来工作
本研究提出了一种综合方法,用于优化用于电动汽车电机定子的高纯度铜发夹的蓝光激光焊接。该方法结合了实验验证、基于FLOW-3D的CFD模拟以及人工神经网络(ANN)模型,构建了一个全面的数据驱动的工艺优化框架。使用450纳米连续波激光器并进行摆动扫描的实验焊接试验获得了稳定且无缺陷的焊缝。表面形态显示熔池形成平滑,飞溅物极少;截面分析确认了完全的冶金结合,孔隙率低于1%。所得焊缝尺寸为4.0–5.0毫米宽、2.5–3.5毫米深,验证了所选工艺参数的适用性。数值模拟高保真地捕捉了熔池行为,预测的焊缝宽度平均绝对误差为2.17%,穿透深度误差介于-10.77%到+3.50%之间。这些结果证明了该模型在宽度预测方面的可靠性及其解决参数筛选中与深度相关问题的能力。
随后,基于圆形堆积生成的广泛模拟数据集对前馈ANN进行了训练。最终的3D加工图谱阐明了激光功率(600–760瓦)、螺旋速度(20–35毫米/秒)和椭圆速度(20–35毫米/秒)对焊缝几何形状的影响。根据文献中的阈值建立的分类图谱识别出了能够避免欠焊和过焊的加工窗口。对ANN优化的参数进行实验验证后,尺寸偏差均在±5%以内,证实了该预测框架的稳健性。机械测试和电阻测量进一步表明,优化后的参数区域可制得具有高抗拉强度和低接触电阻的接头。能量 dispersive spectroscopy (EDS) 分析进一步证实,过高的能量输入会促进氧化物的形成和与孔隙相关的氧富集,尽管短期内具有较好的机械强度,但这可能对电性能和长期可靠性产生不利影响。这些发现强调了控制能量输入以保持冶金纯净度和接头完整性的必要性。
总体而言,本研究建立了一种可靠的混合策略来优化蓝光激光焊接。未来的工作应通过引入温度依赖的材料性质、动态吸收率以及更先进的光束-材料相互作用物理模型来改进CFD模型,以提高预测准确性,尤其是在穿透深度方面。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号