大规模金属增材制造：对技术现状和挑战的整体回顾（4）

江苏激光联盟导读：

本研究回顾了大规模工业机器人增材制造的技术、材料和方法，讨论了各种材料增材制造的优缺点。本文为第三部分。

关键词: 增材制造、大型气体金属弧焊、激光直接能量沉积

5. 现场过程监测、建模和控制

大规模AM系统的商业化将需要高度的自我调节和自动化，以消除对高技能人员操作和监控制造过程的需要。为了遵守机械、冶金和几何规格及设计约束，在制造过程中(现场)需要实时控制焊道几何、层几何、熔池温度和冷却速率。其中很大一部分是通过基于材料系统和计划刀具路径的操作参数优化来实现的。改变系统的热输入(焊接电流/电压，激光功率)，材料进给速率和沉积系统的旅行速度可以彻底改变沉积材料的珠的几何形状，并最终成功的制造过程。在制造阶段，传感器和光学系统可以用来监测可测量的方面的沉积。这些信息可以作为反馈来控制制造平台的操作参数。这使得在检测和减轻非理想的刀具路径规划(空隙、间隙)所产生的任何缺陷时，可以更好地遵循工艺规划过程中产生的所需刀具路径。

图16 一个基本的监测和控制原理图的机器人金属AM过程。

金属AM工艺现场控制的基本控制方案如图16所示。AM制造平台的过程监控可分为三类:状态监控、构件监控和环境状态监控。第一类影响沉积结果，包括用于热输入评估的电源(电弧电压和电流，激光功率等)，用于沉积速率估计和评估的材料进料速率和沉积头运动速度，以及用于氧化水平测定的保护气体流量。通过使用电子传感器监测瞬时电压和电流，机械传感器监测位置和进给速率估计，以及流量传感器监测各种流体流速。第二类包括观察以下条件:几何形状、建筑温度、冷却速率、热量积累、熔体池状态和推断的冶金考虑因素。典型的传感方式包括:

1. 用于评估珠和层几何形状的光学传感器(轮廓仪、3D扫描仪、电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)相机。

2.热传感器(红外(IR)摄像机、高温计和热电偶)用于熔池状态和温度监测，以及整体建筑物温度监测。

标定和验证实验是确保各种现场监测方法功能的必要条件。这对于像红外相机这样的热传感器来说尤其重要，电子传感器测量物体发出的热能并将其转换成温度。必须确定发射率，即自然物体辐射热量的效率，以确保红外传感器测量的温度是正确的。这可以在现场使用发射率探头来完成，或者通过使用不同校准过的热传感器来测量温度，然后调整发射率值，直到温度匹配。由于发射率是温度和表面粗糙度的函数，除非非常小心地验证红外传感器测得的温度，否则这些结果应被视为定性的。

结构缺陷(没有融合，孔隙和裂缝)可以通过在零件内部的声信号传播测量甚至射线成像反射来评估。第三类涉及工作区中的电弧图像、氧气浓度和声传播。应该注意的是，本文只明确讨论光学和热传感器。自动弧焊监测与控制的主要问题之一是与机器、部件和环境相关的所有数据的融合，这些数据是时变的和非线性的转导量。

SLS加工的预合金青铜样品，在室温下加工，没有大气控制，表现出较差的层间结合。

采用两相粉末方法来克服球团效应。这是通过使用预合金单相粉末系统实现的，在该系统中熔化发生在一定的温度范围内，或两相具有不同熔化温度的粉末混合。在前一种情况下，激光加工参数的操纵，使只有部分熔化发生。预合金青铜(Cu - 11Sn)是不一致熔化系统的一个例子。与早期研究中的元素系统相比，键合得到了改善，但不足以防止分层发生(图2)。

在此之前已经发表了一些关于原位传感与控制的文献综述。Tapia和Elwany回顾了多种主要用于金属基AM监测研究的传感器。Purtonen等人还概述了基于激光的金属AM的监测和控制技术。Everton等人综述了AM现场监测方法、AM过程现场分析领域的研究以及金属AM主要过程控制技术的最新进展。他们指出，监视主要是为了了解过程，而不是识别缺陷和部分不连续性。这突出了缺乏对各种处理条件在宏观和微观尺度上对矿床冶金质量的影响的整体理解。虽然过程理解是朝着正确方向迈出的一步，但参与AM的不同工程学科之间的协作可以扩展过程监控和控制模式的能力，使可量化的制造条件相互关联，以优化冶金和机械性能。

如上图实验过程中，在SLS过程中，通过部分或全部熔融青铜来实现液相的形成。部分或全部的青铜熔化取决于转移到材料的激光能量的数量，而这反过来又取决于加工参数，如扫描速度和激光功率。在青铜的熔点温度下，Phos - Cu的熔点比青铜低，因此也会完全熔化。然而，仅通过熔化磷铜的粉末系统的SLS不太可能成功，因为熔化磷铜而不熔化青铜会导致很高的固液比。这反过来又会引起非常高的系统粘度。如图11所示，在青铜镍粉的SLS过程中，青铜熔化并润湿了镍颗粒，而镍颗粒没有任何熔化现象。由于在研究中使用了少量的磷-铜，所以没有直接观察到。能量色散光谱(EDS)不能区分青铜和Phos - Cu，因为两者都是主要的富铜相。然而，从EDS分析可以清楚地观察到，磷仍然存在于样品的某些区域，并且这些区域都出现了熔融，表明在青铜-镍的SLS过程中磷‐铜发生了熔融。

本节将回顾如何监测技术是使用在AM提供反馈的控制算法，调整珠几何，熔体池温度和层表面几何。更具体地说，将概述和讨论物理监测系统和控制算法提出的基于线和电弧，基于等离子体和基于激光的沉积技术。接下来是关于这些系统的数学和物理模型的研究，以及这两个领域是如何耦合的。需要注意的是，由于不同热源的物理性质不同，并不是所有的传感器和光学系统都兼容激光和电弧沉积系统(见表7)。

表7 在第5节中讨论的各种工作中使用的材料。

5.1焊缝几何参数

当使用焊接连接两个部件时，由于需要检测焊缝缺陷，因此需要对焊缝几何形状进行现场检查，因为这些缺陷通常会导致焊缝表面的拓扑变化。这种监测和控制焊缝形状的需要也延伸到金属AM作为一种重要的手段，以确保在制造过程中增材制造的组件的质量。在工艺设计过程中，观察和控制钢珠遵循所要求的几何形状(宽度、高度和曲率)，对于避免最终成品的孔隙度、孔隙度和几何不准确性至关重要。珠珠高度的控制对于保持沉积头喷嘴和熔体池之间的恒定距离也很重要，称为隔离距离。对于焊接技术，距离决定了系统的电压。

检测焊缝缺陷最常用的传感方法之一是安装在沉积头上的激光线扫描仪(也称为轮廓仪)，在沉积后几乎直接观察焊缝的几何截面(高度、宽度、曲率)。轮廓仪由于其高精度(~ 0.02mm)，高采样率(~ 1kHz)，以及能够获得完整的焊缝截面几何形状，从而对与所需的焊缝几何形状的偏差提供直接反馈，现在已成为制造业中各种检查任务的标准设备。此外，当轮廓仪沿着焊缝移动，同时连续测量截面时，可以重建焊缝的三维轮廓，以分析表面缺陷、空洞和缝隙。商业上可用的轮廓仪的工作原理如图17所示。在接下来的段落中，将回顾激光线扫描系统对焊缝检测的贡献。

图17 激光线扫描仪(轮廓仪)的工作原理。

Doumanidis和Kwak介绍了利用具有多个熔敷层的轮廓仪在线测量焊丝和电弧焊期间焊道几何形状的早期工作。从轮廓仪获得的胎圈轮廓用于验证实时分析沉积模型，并向闭环控制系统提供反馈，以进行胎圈表面几何形状控制。Li等人设计了用于特征提取和尺寸测量的扫描系统和算法，以测量根部焊道和盖焊中焊缝的尺寸特性，包括坡口宽度、焊道宽度、填充深度和钢筋高度。通过所提出的特征提取方法，检测到诸如板位移、焊道错位和咬边等缺陷。Huang和Kovacevic还设计了一个扫描系统，用于监测焊缝。此外，开发了基于计算机视觉的焊缝跟踪控制器和特征跟踪算法，用于跟踪焊缝的宽度和高度等特征。

许多用于焊缝几何形状控制的方法利用了上述监控模式。然而，也有基于摄像头的监控方法用于控制反馈。应注意的是，光学视觉系统需要一些神经和窄带滤波来消除电弧强度，并允许观察熔池。在以下段落中，将回顾有关胎圈几何建模和控制方法及算法的文献。

实验系统原理图。

增材制造实验系统如上图所示。它由四部分组成:部分沉积的GMAW系统和可移动工作平台，由两个复合滤波系统的CCD摄像机组成的监控系统，焊接电流和电压设置系统，以及以系统为核心的计算机。

IravaniTabrizipour和Toyserkani提出了一种基于视觉的系统，用于在LDED期间原位测量覆层高度。三个摄像机以120°的角度指向熔池的三目布置∘允许从各个方向测量熔池。为了推断包层高度，从原始图像中提取熔池形状，然后进行透视变换。然后，将检测到的椭圆特征作为神经网络的输入，神经网络将椭圆特征的形状映射到覆层高度。实验结果表明，作者可以以10Hz的频率获得现场测量，精度为±0.15mm。

Xiong和Zhang开发了一种基于被动视觉的方法，用于在薄壁多层、单轨gmaw沉积过程中现场测量焊缝几何形状。实验设置的示意图如图18(A)所示。视觉系统捕捉焊缝池和焊缝池后凝固区域的侧视图和俯视图。采用边缘检测和霍夫变换相结合的基本图像处理技术来确定微珠的宽度和高度。图18(b)和图18(c)显示了覆盖焊缝几何检测的图像。验证实验表明，地面真实值与基于视觉的测量值之间的相对误差为5.7%，即焊缝高度为3 mm时的误差为0.171 mm。然后Xiong等人利用中提出的基于被动视觉的焊缝几何测量方法对焊缝宽度进行现场反馈控制。该控制算法是一种分段神经元自学习比例求和微分(PSD)控制器，以测量到的珠宽作为反馈，并调整火炬的传播速度以保持层间珠宽不变。珠层宽度的扰动是由于前一层珠层形状的变化和由累积热量引起的后继层的坍塌。实验结果表明，该方法可以在不同层间获得较好的宽度一致性。

图18 Xiong等提出的基于视觉的焊缝宽度和高度测量方法(a)实验设置的示意图表示，(b)检测焊缝高度，(c)检测焊缝宽度。

在基于视觉的焊缝几何测量方法的进一步应用中，Xiong和Zhang提出了一种层高控制控制器。这种控制算法是一种自适应的、基于模型的控制器，它将测量到的珠高度作为反馈，并调整沉积速率，以实现恒定的喷嘴对峙距离，进而实现恒定的珠高度。该控制器的自适应分量基于延迟一阶模型和可控自回归移动平均模型，描述了沉积速率作为输入，喷嘴距作为输出之间的关系。该控制系统由两个回路组成:一个内回路用于对喷嘴对峙距离进行常规反馈控制，另一个外回路用于在线辨识工艺参数并对内回路控制器参数进行调整。注意到焊缝高度的扰动是由层间温度和由于热积累而引起的前一层形状波动造成的。实验表明，该控制算法保持了±0.5mm的精度。

视觉传感器系统设计原理图。

视觉传感器系统是珠子几何形状在线测量的前提。如上图所示，视觉传感器系统由两个被动式视觉传感器组成。第一个视觉传感器，用于测量焊道宽度，固定在焊枪的后面。它由CCD相机、神经网络和窄带滤波器组成。相机与焊枪夹角约为30°。宽度测量传感器(SWM)用于检测池的尾部，即近凝固场。为了更好地区分焊缝和背景，窄带滤波器的中心波长选择为650 nm。原因是高温下沉积的珠主要辐射红外线。

在进一步的研究中，Xiong等人使用他们先前开发的基于视觉的焊缝几何感知系统结合他们之前提出的分段神经元自学习PSD控制器来调节层宽度。该方案以火炬传递速度为控制变量，采用一阶过程模型。实验验证层宽范围为6-9 mm，平均绝对误差为0.5 mm。

为了解决尖角晶珠沉积精度不高的问题，Li等人还提出了一种自适应工艺控制方案，能够保证WAAM过程中晶珠形态的均匀。在他们的方案中，刀具轨迹在尖角处被划分为几个段。对于每一段，选择受动态约束的允许行程速度，并根据工艺模型预先设定送丝速度。在该方法中，匹配的旅行速度和送丝速度，使焊缝的形态在不同的段。

上面讨论的许多控制方案都使用模型来自适应控制珠的各种几何特征。能够实时预测焊缝几何形状和相关因素的模型对于自适应和鲁棒控制方案是非常重要的。作为一项要求，这些模型必须在高采样率下提供预测更新。然后介绍了一些适用于实时控制的建模方法。Pal等人使用反向传播神经网络(BPNN)模型、径向基函数网络(RBFN)模型以及回归模型开发了预测焊缝几何形状的模型。

预测焊道宽度和高度与工艺参数的函数关系，包括脉冲电压、背景电压、脉冲持续时间、脉冲频率、送丝速度和RMS焊接电压和电流。Akkas等设计了一种人工神经网络(ANN)和神经模糊系统，用于预测焊道厚度和焊透面积，同时提供电压、电流和速度这三个焊接参数。Ding等人训练了一个神经网络模型，在WAAM应用中根据焊缝宽度和高度指定焊接参数。Li等人提出了一种用于指定焊缝偏移距离的预测神经网络，以便根据WAAM工艺所需的焊缝宽度、高度和焊缝之间的中心距离的期望值来控制并排焊缝的真实中心距离。Ríos等人提出了一个分析过程模型，该模型将层宽和高度与WAAM工艺参数相关联。

摄像机系统的局限性在于，由于计算密集型图像数据处理的需要，测量是在低采样率下获得的。由处理时间增加引起的另一个缺点是测量时间延迟显著，这对于快速响应控制算法是不可行的。轮廓仪更适合于珠几何测量，因为珠几何直接检测，不必从图像的像素数据中提取，从而提高采样率。它们还可以以更高的分辨率提供珠的3D轮廓，从而提高使用历史数据进行预测的预测算法的准确性。许多使用摄像机进行反馈的已审查控制算法可以以更高的采样率从轮廓仪获得相同的反馈信息，可能导致更具响应性和准确性的控制器设计。

5.2.层表面几何

由于每一层通常由沉积珠组成，缺陷可能由不适当的工艺规划引起，例如重叠模型中的不准确、路径规划算法引起的空隙、参数不确定性以及机器人系统动力学引起的沉积偏差。因此，除了测量和控制焊道几何形状外，重要的是监测每个印刷层表面几何形状与工艺规划期间确定的所需几何形状的粘附性，并确保通过修改后续层的刀具路径来减少空隙和其他缺陷。3D激光扫描仪可以获得沉积层表面几何结构的点云。

利用所设计的视觉传感器系统，可以获得沉积珠的图像。下图给出了不同层的典型珠子图像。结果表明，除第一层外，沉积的微球清晰可见。随着沉积层数的增加，熔池长度增加。由于第一层的传热条件最好，即传热面积最大，所以第一层与基体之间的热流距离最短。随着沉积层数的增加，由于热流距离的增加和换热面积的减小，散热条件变差。传热方向是从前一层到基板。因此，增材制造过程中积热严重。为了避免层塌，控制层间温度是很重要的。

在不同层中沉积珠宽和高度。(一)第一层。(b)第二层。第三层(c)。(d)第四层。

为了减少使用线馈LDED系统打印期间层表面几何形状的累积偏差，Heralic等人开发了一种方法，通过在每层完成后在零件上移动轮廓仪来获得层表面几何形状的3D点云。3D点云数据用于使用迭代学习控制器（ILC）在打印期间控制层高度。开环（无偏差反馈）和闭环（有偏差反馈）零件打印之间的比较表明，ILC可以抑制在开环打印期间可能导致打印失败的偏差。作者承认，他们使用的轮廓仪模型存在一些问题，因为它不是为焊接应用而设计的。

相对论的星门3D打印机建造一个火箭燃料箱的时间间隔。

此外，为了检测与所需层表面几何形状的偏差，Preissler等人设计了一种立体相机系统，使用聚合物AM的模式投影方法，在每层完成后，从层表面几何形状的自上而下透视图获得3D点云。虽然该系统是为聚合物AM开发的，但同样提出的方法基本上也适用于金属AM。Preissler等人随后使用他们开发的3D扫描仪将当前层的所需表面几何结构与测量的层表面几何结构进行比较。3D点云数据足够精确，可以检测到可能导致制造故障的0.5%偏差。

5.3.熔池温度和几何形状

用于监测熔池温度和几何形状的主要设备是高温计、红外、CCD和CMOS摄像机。熔池的温度和几何特征可作为预测系统（如人工神经网络）的输入，以指定胎圈宽度和高度，为基于模型的预测控制器提供预测。此外，从红外摄像机获得的热图可用于监测整个建筑和熔池几何结构的散热、温度梯度和热循环。在本节中，针对各种沉积技术，回顾了使用热测量和几何测量进行反馈的各种拟议测量系统和控制方法。首先，回顾了有关LDED的文献，然后是关于电弧沉积方法（例如GMAW、GTAW）的文献。

Hu和Kovacevic介绍了一种使用配备窄带红外滤光片的CCD摄像机测量粉末喂料LDED中熔池尺寸的基于温度的方法。通过调节熔池的尺寸来控制激光功率和熔池温度，从而控制珠宽。实验结果表明，通过控制热输入和金属粉末的进给量来调节熔池的宽度，可以有效地控制加工区的温度。

Bi等人于2006年提出了关于LDED各种现场测量系统可行性的首次全面研究，例如用于测量温度的光电二极管和商高温计温度控制系统（TCS）。沉积头如图19所示。此外，通过反射镜与激光束同轴对准的CCD摄像机测量了粉末喂料LDED过程中熔池的大小。实验证明，所提出的方法适用于温度控制。

图19 Bi等人提出的温度监测实验装置。

此外，还研究了激光功率等工艺参数对温度信号的影响。通过调整沉积头移动速度、材料（粉末）进给速度和激光功率等多个工艺参数，发现激光功率对红外温度信号的影响最大。基于之前工作中获得的结果，Bi等人随后提出了一种闭环比例积分微分（PID）控制器，该控制器利用高温计的温度反馈来控制熔池温度。该控制器能够提高单轨多层墙体的尺寸精度。

然后，Bi等人进一步提出了一种紧凑型激光熔覆头，其带有集成温度传感器，包括用于测量熔池温度的锗（Ge）光电二极管和用于监测熔池几何形状的CCD摄像机。采用PID控制器通过调节激光功率使熔池温度保持恒定。作者能够通过他们的温度控制系统将累积温度降至最低，从而显著提高额外制造机翼的质量。Tang和Landers提出了基于LDED一阶传递函数的熔池模型。

研究发现，由于其复杂性，先前提出的模型不适用于在线温度控制。设计了数字跟踪控制器，通过温度传感器的卡尔曼滤波反馈控制过程质量。然而，得出的结论是，由于传热问题，控制器可能无法很好地处理多层沉积。为了进一步改进激光熔覆工艺，以便于在行业中采用，Bi等人确定了影响基于激光的DED工艺监控的关键因素。单色高温计与送粉喷嘴集成，用于监测熔池温度，以确定影响因素。几何形状、功率密度和氧化被确定为影响过程控制性能的因素。Nassar等人提出了一种闭环控制体系结构，用于在LDED期间控制路径计划，以优化构建微观结构。实现了基于温度的控制器。

Farshidianfar等人提出了一种现场温度传感应用，用于控制凝固速度，从而控制粉末喂料LDED过程中的微观结构。利用配备红外滤光片的CCD摄像机对熔池和凝固区域进行观察，得到熔池后凝固区域的温度梯度。然后，作者提出了一种基于PID的控制器，通过调整沉积头移动速度来调节冷却速率，从而调节微观结构。实验表明，由于控制了冷却速度，显微组织保持一致。

Doumanidis和Hardt提出了一种基于弧焊热影响区温度反馈的多变量自适应闭环控制器。他们考虑了一个参数不确定的结构化热模型。除了通过第5.1节中描述的用于焊丝和电弧焊的轮廓仪进行层几何感测外，Doumanidis和Kwak还使用红外摄像机测量熔池的温度和几何结构。然后使用现场熔池测量确定熔池集总参数模型的参数，该模型模拟了熔池的几何和热性能与工艺参数之间的关系，包括火炬功率、材料供给、火炬角度和运动。然后将该模型用于实时胎圈几何控制。

为了克服感觉延迟，使用了Smith预测器。所需图层几何图形与所获得图层几何图形之间的总RMS误差为0.23 mm。Wu等人还利用CCD摄像机和窄带红外滤波器构建了一个被动视觉传感系统，用于在恒流GTAW期间对熔池进行成像。然后对图像进行处理以获得熔池大小。Lü等人提出了一种多输入单输出（MISO）自适应控制器，用于在GTAW过程中利用送丝速度、焊接电流和熔池顶部图像的反馈来调整熔池宽度。

使用反向传播神经网络（BPNN）模型估计背面池宽，并将其与期望值进行比较。Xu等人在GTAW和GMAW的研究中重点关注两个问题：捕捉清晰的焊缝图像和开发用于特征提取的图像处理技术。对于前者，提出了一种新型的被动视觉系统，该系统利用带有可移动电动滤波器的CCD摄像机，能够消除焊缝跟踪过程中弧光的干扰。对于后者，开发了包括恢复、平滑、边缘检测、假边缘去除和边缘扫描在内的图像处理算法。Babkin和Gladkov介绍了一种确定GMAW焊接参数的新图解法。强调了工件温度控制对沉积层几何精度的影响。Feng等人使用CCD摄像机监控GTAW中的熔池表面。其贡献是通过处理珠表面上反向电极的反射图像计算镜面珠表面的高度，知道其恒定尖端到工件的距离。

来源：Large-scale metal additive manufacturing: a holistic review of thestate of the art and challenges，InternationalMaterials Reviews，DOI: 10.1080/09506608.2021.1971427

参考文献：Ngo TD, Kashani A, Imbalzano G, Nguyen KT, et al.Additive manufacturing(3D printing): a review of materials, methods, applications and challenges. ComposPart B: Eng. 2018;143:172–196.，ASTM International, “Additive Manufacturing –ASTM International” p.1, 2017. [Online].Available: www.astm.org/industry/additivemanufacturing-