利用飛行時間質譜儀(yi) 在線監測增材製造環境。

競爭(zheng) 無處不在。

小到學生學業(ye) ，大到人類商業(ye) 藍海沉浮，都充滿著激烈的競爭(zheng) 。激激依稀記得學生時代，老師說“1分就是一操場對手”內(nei) 心不以為(wei) 然洋洋得意的姿態，最後卻發現老師就是預言家。大自然也處處充滿著競爭(zheng) 。你有見過食人花嗎？那是一種看似毫無競爭(zheng) 力的植物，卻用它貌似花朵的毒性葉片，瞬間把引誘過來的大蟲小蟲吞噬得一幹二淨。

隨著時代發展，很多難以想象的速度和激情已展開了宏偉(wei) 的麵貌，這來源於(yu) 高科技產(chan) 業(ye) 的發現和研究。本文就介紹了利用一種利用EI-TOF（基於(yu) 微型電子碰撞離子源飛行之間質譜儀(yi) ）和高速攝像機的在線監測，觀察到了空氣中的物質成分如O2、N2、H2O到底誰是贏家。這為(wei) 將來L-DED運用於(yu) 各行各業(ye) 提供了充足的依據。

摘要

激光定向能量沉積（L-DED）是一種很有前途的增材製造技術，在許多領域具有廣闊的應用前景和實用價(jia) 值。L-DED工件質量監控的無損檢測技術要求高精度和實時性。本研究開發了一個(ge) 基於(yu) 微型電子碰撞離子源飛行時間質譜儀(yi) （EI-TOF）和高速攝像機的在線監測係統，用於(yu) 監測熔池區域上方的大氣。本研究使用高速攝影機測量飛濺的數量。使用元素分析儀(yi) 、電感耦合等離子體(ti) 質譜儀(yi) 和電子能譜儀(yi) 測量樣品和飛濺物的成分。使用EI-TOF測量大氣中的變化，結果證實在L-DED過程中O2、N2和H2O含量降低。

在激光功率為(wei) 400w時，氧耗分別為(wei) 92.5%和86.4%，而在激光功率為(wei) 500w和600w時，氧耗分別為(wei) 92.5%和86.4%。在L-DED過程中，當激光功率從(cong) 400 W增加到600 W時，飛濺的數量減少。在激光功率為(wei) 600 W時，飛濺的平均數量比激光功率為(wei) 400 W時減少到59.3%。可以發現灰塵中含有大量原始粉末和少量飛濺。當激光功率為(wei) 400w、500w和600w時，粉塵中的含氧量分別為(wei) 0.544%、0.242%和0.159%。煤層橫截麵的相對含氧量分別為(wei) 35.58%、43.79%和44.30%。當使用不同的材料作為(wei) 基質時，在相同的功率下，監測結果（H2O、N2、O2）的偏差顯著。

1.介紹

近年來，增材製造（AM）以其優(you) 越性和複雜個(ge) 性化零件的高精度在製造技術中發揮了重要作用。與(yu) 傳(chuan) 統製造技術相比，製造複雜幾何結構、多功能梯度材料和複合材料是AM的一些優(you) 勢。基於(yu) 激光的定向能量沉積（L-DED）是一種最先進的AM技術。在L-DED中，計算機將CAD模型的複雜零件分層，以獲得零件的二維平麵輪廓數據。根據這些數據，激光快速熔化金屬粉末，通過分層點、線和表麵獲得複雜零件。L-DED複雜工件強大的加工能力，加上其優(you) 異的物理和機械性能，使其具有巨大的應用潛力。

飛濺通常被認為(wei) 對L-DED工藝有害。然而，人們(men) 對所產(chan) 生顆粒的性質及其對零件質量的影響知之甚少。Simonelli等人對L-DED產(chan) 生的飛濺進行了表征，證明飛濺顆粒中存在表麵氧化物。他們(men) 研究了三種類型的材料：316L、Al-Si10-Mg和Ti-6Al-4 V。他們(men) 還發現表麵氧化物可能導致潛在問題。Liu等人研究了316L不鏽鋼產(chan) 生的飛濺。Wang等人研究了牙科CoCr合金產(chan) 生的飛濺。Andani等人研究了al-Si10-Mg多激光製造中的飛濺。Gasper等人研究了Inconel 718的飛濺冶金。然而，很少對飛濺物的數量進行調查。

使用提出的基於(yu) 神經網絡的圖像分割方法提取與(yu) 熔池相連的飛濺。

為(wei) 了提高產(chan) 品質量，需要對AM過程有一個(ge) 基本的了解，即從(cong) 材料、過程和製造到零件的後處理。對此研究人員已經進行了一些相關(guan) 的研究。如：Balakrishnan等人提出了一種利用脈衝(chong) 激光沉積從(cong) 具有不同背景大氣的Cr3C2靶製備結晶氧化鉻薄膜的方法。Dong等人研究了氣氛和工藝參數對選擇性激光熔化純鎢微觀結構的影響。他們(men) 的研究表明，與(yu) 內(nei) 置氬氣的鎢相比，內(nei) 置氮氣的選擇性激光熔化處理鎢具有優(you) 越的機械性能。Kim等人研究了鈦合金的微觀結構和磨損性能。Perez Soriano等人利用等離子轉移電弧研究了氣體(ti) 氣氛（空氣和氬氣）對鎳基合金性能的影響。Elmer等人認為(wei) ，惰性氣體(ti) 氣氛有助於(yu) 減少焊絲(si) 電弧AM期間的汙染物吸收量。

同時還開展了一項相關(guan) 工作：Fang等人研究了一種使用基於(yu) U網絡的卷積神經網絡（CNN）捕捉熔池特征的方法。Tan等人首次提出了一種使用CNN和閾值神經網絡分割每個(ge) 飛濺塊的方法。Yang等人使用基於(yu) 遺傳(chuan) 算法的最大熵雙閾值圖像處理算法識別圖像中的飛濺物。然而，在L-DED製造過程中，熔池區域大氣成分的監測並沒有得到太多的關(guan) 注。

本文建立了一套在線監測係統，對鉻鎳鐵合金L-DED過程中熔池上方產(chan) 生的大氣成分和飛濺進行監測。采用自行研製的微型電子衝(chong) 擊離子源飛行時間質譜儀(yi) (EI-TOF)測量大氣成分(O2、N2和H2O)，用濾光器采集激光頭部下方的塵埃，並用高速攝像機在線捕捉。采用元素分析儀(yi) (EA)、電感耦合等離子體(ti) 質譜(ICP-MS)和電子能譜(EDS)對粉塵成分進行測定。用掃描電子顯微鏡(SEM)和能譜儀(yi) (EDS)測定了焊縫橫截麵的元素含量。並討論了上述測量結果之間的關(guan) 係。

2.實驗裝置

圖1 L-DED製造過程在線監控係統。

大氣在線監測實驗平台如圖1所示。利用廣州禾信儀(yi) 器股份有限公司生產(chan) 的EI-TOF進行了AM期間的大氣監測。儀(yi) 器使用的電子能量為(wei) 70 eV，采集頻率為(wei) 每秒一個(ge) 頻譜。此外，還使用了幀率高達每秒3萬(wan) 幀的高速攝像機(MEMRECAM ACS-1，日本NAC圖像技術公司)來捕捉塵埃。樣品使用L-DED設備(ABB IRB 2600，廣州雷佳增材製造技術有限公司)製作，其激光波長為(wei) 1080 nm，離焦量為(wei) 500 mm。原粉由中航金屬粉末冶金技術有限公司提供。設備參數如表1所示，電源組成如表2所示。

表1 設備和參數。

表2 鎳鐵合金718粉末的標稱化學成分(wt%)。

圖2是EI-TOF的原理圖。為(wei) 了保證引入的痕量氣體(ti) 成分不含顆粒，電子衝(chong) 擊離子源質譜係統采用石英毛細管獲取樣品。根據動量守恒定律，樣品被電子轟擊後形成相應的離子。通過雙極加速區後，得到不同質量荷比的離子，其動能K相同，定義(yi) 如下:

其中K為(wei) 離子加速後的動能，m為(wei) 離子質量，V為(wei) 離子加速後的速度，z為(wei) 離子質量，U為(wei) 穿過加速區的電壓。

圖2 微型EI-TOF檢測係統。

通過加速區後，不同質量荷比離子的速度表示為(wei) :

加速後，離子進入長度為(wei) D的無飛行區域，每個(ge) 離子通過無飛行區域的時間定義(yi) 為(wei) :

T是離子的飛行長度。

顯然，由於(yu) 質量和電荷比的不同，不同的離子通過無飛行區域的時間也不同。因此，不同質量和電荷比的離子最終在不同的時間到達檢測器，並分別被檢測。

襯底采用尺寸為(wei) 200mm × 200mm × 9mm的316L商用不鏽鋼。在L-DED過程中，以6mm /s的激光掃描速度，400 W、500 W和600 W的激光功率打印出一係列接縫。圖3為(wei) 製作的樣品，每個(ge) 接縫的長度為(wei) 60mm。

圖3 由L-DED製作的樣品照片。

質譜分析儀(yi) 的腔室采用分子渦輪泵提供5 × 10- 4pa的高真空度，泵速為(wei) 67 L/s，滿足離子檢測靈敏度。整個(ge) 抽真空過程持續了大約4個(ge) 小時。為(wei) 了保證L-DED過程的在線監測，在對基片進行激光沉積之前，EI-TOF 0610開始利用石英毛細管對基片上方的大氣進行采集和檢測。控製高速攝像機在每個(ge) 接縫處開始拍攝圖像，並以傾(qing) 斜角拍攝圖像。

為(wei) 了檢測飛濺物的成分，在L- ded激光頭下方6mm處安裝了過濾精度為(wei) 7 μm的直通式粒子過濾器，並將過濾器連接到流量為(wei) 3.2 L/min的真空泵上抽吸。濾芯形狀為(wei) 圓柱形，外徑為(wei) 12毫米，內(nei) 徑為(wei) 9毫米。

3.結果與(yu) 討論

3．1.實時監測熔池上方的大氣

圖4 激光功率為(wei) (a) 400 W、(b) 500 W和(c) 600 W時大氣的變化。

圖4為(wei) 激光功率為(wei) 400 W、500 W和600 W時L-DED過程中大氣的變化情況，其中掃描速度為(wei) 6 mm/s。圖4顯示了三種主要的氣體(ti) (N2, O2和H2O)的明顯變化。同時，在L-DED過程中，N2和O2的變化均呈下降趨勢。可以發現，在給定的掃描速度下，氣體(ti) 的變化程度隨激光功率的變化而顯著變化。激光功率從(cong) 400 W到600 W，水、氧、N2的耗量依次增大。不同功率下的RN2(定義(yi) 為(wei) 氮信號幅值範圍)分別為(wei) 125,992、129,357和131,086。激光功率為(wei) 400 W時，氮耗分別比激光功率為(wei) 500 W和600 W時高97.4%和96.1%。不同功率下的RO2(定義(yi) 為(wei) 氧氣信號幅值範圍)分別為(wei) 58607、63343和67790。激光功率為(wei) 400 W時，耗氧量為(wei) 92.5%，比激光功率為(wei) 500 W時高86.4%。不同功率下的RH2O(定義(yi) 為(wei) 水蒸氣信號幅度範圍)分別為(wei) 3,258、5,485和6,704。從(cong) 激光功率400w到500w，熔池附近的水汽消耗也逐漸增加。

大氣中氮含量較高，因此氬氣對氮含量影響較大。激光功率為(wei) 400 W時，耗氧量為(wei) 86.4%，相比於(yu) 激光功率為(wei) 600 W時。其原因可能是由於(yu) 鉻鎳鐵合金718粉末中的某些金屬與(yu) 氧發生反應，氧隨激光功率的增加而變得更加強烈。隨著激光功率的增大，激光功率越大，熔池上方的水蒸氣就越幹燥。此外，在L-DED過程中，作為(wei) 保護氣體(ti) 的氬氣也可能影響熔池上方的大氣。

在175 W激光功率下，各種圖像分割算法的飛濺提取性能。

３．２．實時監控飛濺

激光掃描速度為(wei) 6 mm/s，激光功率為(wei) 400 W，激光功率為(wei) 500 W，激光功率為(wei) 600 W，分別拍攝了L-DED過程中熔池和飛濺的一係列圖像。選取時間間隔相同、時間順序相同的典型圖像，如圖5(a)所示。圖5(b)為(wei) 自行開發的深度卷積神經網絡(D-CNN)[19]的飛濺提取結果，該網絡采用多重輕量化架構，以減少檢測時間。

圖5 (a) 6 mm/s激光掃描速度和3種不同激光功率下采集的飛濺圖像，(b) D-CNN方法提取結果。

圖6為(wei) 激光功率為(wei) 400 W、500 W和600 W時的飛濺數。結果表明，當激光功率從(cong) 400 W增加到600 W時，飛濺數減少。激光功率為(wei) 400 W、500 W和600 W時，平均飛濺數分別為(wei) 13.5、10.5和5.75塊。在激光功率為(wei) 600 W時，飛濺的平均數量比激光功率為(wei) 400 W時減少了59.3%。這種現象可能與(yu) 激光利用效率有關(guan) 。以鉻鎳鐵合金718粉為(wei) 初粉，在激光功率為(wei) 400 W時，利用效率最佳。

圖6 用D-CNN方法提取飛濺。

3．3．粉塵的分析

表3 從(cong) ICP-MS和EA得到的飛濺物和原始材料的平均組成(wt%)。

表3為(wei) 電感耦合等離子體(ti) 質譜(ICP-MS)和元素分析儀(yi) (EA)對粉塵成分的分析。與(yu) 典型的Inconel718材料規格相比，粉塵成分顯示Cr和Ni含量低於(yu) 標準範圍。在400 W激光功率下，Cr和Ni的含量高於(yu) 500 W和600 W激光功率下的含量。這可能是因為(wei) 隨著激光功率的增大，粉塵中飛濺的含量降低。可以發現，與(yu) 原粉相比，在粉塵中檢測到氧元素。隨著激光功率的增大，粉塵中氧的含量逐漸降低。在600 W激光功率下，氧的含量是400 W激光功率下的29.2%。這個(ge) 結果是在線監測大氣中氧氣消耗的一部分。

圖7 掃描電鏡圖像(a)原始鉻鎳鐵合金718粉末，以及在(b) 400 W、(c) 500 W和(d) 600 W激光功率下的粉塵。

圖7為(wei) 激光功率分別為(wei) 400 W、500 W和600 W的原始lnconel 718粉末和粉塵的掃描電子顯微鏡圖像。圖6(a)所示的原始粉體(ti) 顆粒的形貌具有較高的球狀度。與(yu) 原始粉末的SEM圖像相比，在400 W、500 W和600 W激光功率下，粉末呈現出粗糙的球形形貌和不規則的飛濺顆粒。除飛濺表麵會(hui) 產(chan) 生一些氧化化合物外，粉塵的化學成分與(yu) 原始粉末基本相同。

圖8 (a)原粉和(b) 400 W、(c) 500 W、(d) 600 W粉末的XRD譜圖。

圖8為(wei) 400 W、500 W和600 W不同功率下的初粉和粉塵的XRD譜圖。與(yu) 原始粉體(ti) 相比，每一種粉體(ti) 的粉塵中都含有AlNbO4。此外，隨著功率的增加，粉塵中初生粉的數量增加，AlNbO4含量降低。可以發現，粉塵中含有大量的初粉和一些飛濺，這可能是由於(yu) 隨著激光功率的增加，產(chan) 生的飛濺數量減少。因此，不同功率的粉塵飛濺次數減少，導致氧含量逐漸減少。濾光片在水平方向上距離激光光斑中心點10 mm，可能會(hui) 影響部分飛濺的有效采集。另外，過濾器的固定高度也可能影響粉塵飛濺的含量。

3．4．相對密度分析

用電子密度計(MD-200S, AlfaMirage Ltd.，日本)根據ASTM B962-17標準對不同功率下製備的樣品的相對密度進行表征。樣品的絕對密度取為(wei) 鉻鎳鐵合金718,8170 kg/m3的密度。如圖9所示，當打印激光功率從(cong) 400 W提高到600 W時，相對密度可以從(cong) 88.1±0.2%提高到95.4±0.2%。當激光功率增大時，達到熔點的時間大大縮短，從(cong) 而保證了熔池的足夠擴散。製造缺陷的形成可以得到明顯的抑製。

圖9 實驗中不同樣品的相對密度。

如上所述，隨著激光功率的增加，飛濺和粉塵減少。通過增加激光功率，可以在一定程度上避免飛濺附著力造成的缺陷。Delcuse等人也得出了類似的結論，增加激光功率對相對密度有積極的影響。

3．5.接縫內(nei) 氧

采用線電火花加工的方法從(cong) 基板上切下焊縫。從(cong) 每個(ge) 激光燒結焊縫上切下9 × 3 × 5 mm3薄片。表4列出了電子能譜(EDS)分析煤層截麵的相對組成。圖10為(wei) EDS檢測焊縫橫截麵的氧含量。標記了不同激光功率下焊縫截麵的相對氧含量。可以發現，激光功率為(wei) 500 W時，相對氧含量比激光功率為(wei) 400W時增加了8.21%。在激光功率為(wei) 600 W時，相對氧含量比激光功率為(wei) 500W時有所增加。這些結果與(yu) 熔池上方大氣的實時監測結果一致。從(cong) 400-600瓦的激光功率，部分消耗的氧氣在接縫和灰塵中。在接縫處有更多的氧氣。

表4 焊縫橫截麵的相對成分(wt%)。

圖10 對激光功率為(wei) (a) 400 W、(b) 500 W和(c) 600 W時焊縫截麵的EDS分析。

3.6不同基質的大氣演化

文中還詳細討論了不同基質對大氣演化的影響。圖11分別為(wei) Inconel 718和316L襯底L-DED過程中大氣的變化情況。

圖11 激光功率為(wei) (a) 800 W、(b) 800 W、(c) 1000 W、(d) 1000 W、(e) 1200 W和(f) 1200 W時不同襯底的大氣演化。

可以發現，在給定的掃描速度下，無論基片是316L還是Inconel 718，隨著激光功率的增加，氮、氧和水蒸氣的消耗都在不斷增加。而在相同功率下，316L作為(wei) 底物時，氧和氮的消耗變化更大。不同底物的監測結果(H2O、N2、O2)偏差較大。具體(ti) 偏差見表5。

表5 不同基材的大氣監測結果

與(yu) 316L基材相比，Inconel 718基材在高溫空氣和蒸汽中具有更好的抗氧化性，316L基材在大氣中與(yu) 氧和氮反應更劇烈。而316L底物與(yu) 水的反應是不活躍的。

4.結論

本研究建立了一套在線監測係統，對鉻鎳鐵合金L-DED過程中熔池上方產(chan) 生的大氣成分和飛濺進行監測。采用自行研製的EI-TOF測量大氣成分(O2、N2和H2O)，用濾鏡采集激光頭下的粉塵，用高速攝像機在線采集。通過EA、ICP-MS和EDS測定粉塵的成分，通過掃描電子顯微鏡(SEM)和EDS測定接縫截麵中的元素含量。文中還詳細討論了不同基質對大氣演化的影響。

結果如下:

（1）在L-DED過程中，O2、N2和H2O的含量降低。激光功率為(wei) 400W時，耗氧量分別為(wei) 500 W和600 W時的92.5%和86.4%。

（2）當激光功率從(cong) 400 W增加到600 W時，飛濺數減少。

（3）灰塵中含有大量的初粉和少量的飛濺物。

（4）從(cong) 400瓦到600瓦的激光功率，部分消耗的氧氣在接縫和灰塵中。焊縫橫截麵相對氧含量分別為(wei) 35.58%、43.79%和44.30%。

（5）不同材料作為(wei) 底物時，在相同功率下監測結果(H2O、N2、O2)偏差顯著。隨著激光功率的增加，氮、氧和水蒸氣的消耗都在不斷增加。

來源：online monitoring of an additive manufacturing environment using atime-of-flight mass spectrometer，Measurement，doi.org/10.1016/j.measurement.2021.110473

參考文獻：W. Gao, Y. Zhang, D. Ramanujan, K. Ramani, Y. Chen, C.B. Williams, C.C.L. Wang, Y.C. Shin, S. Zhang, P.D. Zavattieri，The status,challenges, and future of additive manufacturing in engineering，Comput.Aided Des., 69 (2015), pp. 65-89

D. Gu, W. Meiners, K. Wissenbach, R.Poprawe，Laser additive manufacturing of metallic components: Materials,processes and mechanisms，Int. Mater. Rev., 57 (3) (2012), pp. 133-164