碳鋼板激光切割工藝分析及優(yōu)化*

鐘 毅 欒顯曄 李曉宇 薛海峰 李天享 武路鵬

（①青島科技大學(xué)機(jī)電工程學(xué)院，山東 青島 266061；②山東新松工業(yè)軟件研究院股份有限公司，山東 濟(jì)南 250013）

隨著中國綜合國力的增強(qiáng)，中國對鋼鐵的需求和消耗量迅速增加。然而，鋼鐵工業(yè)面臨著許多嚴(yán)峻的挑戰(zhàn)，其中最主要的阻礙是高污染和高耗能。此外，資源限制和環(huán)境承載能力對鋼材的生產(chǎn)和有效利用提出了很高的要求[1]。

鋼質(zhì)板材切割是鋼鐵消耗的主要方式， 切割方式在板材切割中對被切割鋼材的使用率有很大的影響。在板材切割過程中，切割鋼材的方式有很多，其中最常見的是火焰切割[2]，最近發(fā)展較快的是等離子切割[3]，廣泛使用的是水刀切割[4]和激光切割[5]。其中激光切割現(xiàn)在被廣泛使用，這因?yàn)榧す饩哂懈吡炼取⒏叻较蛐浴⒏邌紊院透呦喔尚运拇筇匦裕虼怂诩庸や摬臅r(shí)具有其他加工方法所不具備的優(yōu)點(diǎn)。由于激光在加工工件時(shí)與工件無直接接觸，因此對工件無直接沖擊從而不會(huì)導(dǎo)致工件機(jī)械變形。并且激光束能量密度高、加工速度快，故對非加工部位影響極小甚至沒有影響。激光加工是局部加工，對非照射區(qū)域其引起的熱變形小，所以后續(xù)加工最小。激光切割方式的產(chǎn)生，解決了之前切割鋼材需要粗加工然后再次精加工的時(shí)間損耗問題，能夠一次性精密加工，可應(yīng)用領(lǐng)域也隨著研究的進(jìn)行不斷拓展[6]，加工的精度不斷提高，加工質(zhì)量不斷改善，對板材切割加工領(lǐng)域的發(fā)展產(chǎn)生了重大的影響[7]。

但是在實(shí)際切割過程中，切割精度與切割質(zhì)量受到各種因素的影響[8]，主要集中在激光功率、切割速度、離焦量和輔助氣體壓力等因素[9-10]，這些因素通常由工人根據(jù)經(jīng)驗(yàn)進(jìn)行控制，必然會(huì)導(dǎo)致板材的浪費(fèi)。為了實(shí)現(xiàn)切割過程的智能化，本文設(shè)計(jì)了以激光功率、切割速度、離焦量和輔助氣體壓力作為變量，以切縫寬度、表面粗糙度和掛渣高度作為輸出的實(shí)驗(yàn)?zāi)Ｐ停ㄟ^實(shí)驗(yàn)數(shù)據(jù)研究了激光切割質(zhì)量與激光切割各影響因素之間的關(guān)系。最后采用一維卷積網(wǎng)絡(luò)對切割質(zhì)量判定標(biāo)準(zhǔn)進(jìn)行建模[11]，對切割質(zhì)量進(jìn)行預(yù)測，并用多目標(biāo)優(yōu)化算法對加工工藝參數(shù)進(jìn)行優(yōu)化[12-13]。

1 實(shí)驗(yàn)

1.1 實(shí)驗(yàn)材料

本實(shí)驗(yàn)所采用的材料為Q235 低碳鋼板，試樣尺寸為20 mm×20 mm。Q235 的化學(xué)成分見表1。

表1 Q235 碳鋼成分

在激光切割中，材料的物理特性對切割質(zhì)量有著重要的影響，如激光的吸收率、反射率等， Q235碳鋼的物理特性見表2。

表2 Q235 碳鋼物理性質(zhì)

實(shí)驗(yàn)設(shè)備采用的激光切割頭為新松1 500 W 激光切割頭，如圖1a 所示；數(shù)控機(jī)床采用3015 式機(jī)床，如圖1b 所示；激光器為銳科公司生產(chǎn)的RFL-1500 激光器，最大輸出功率為1 500 W，輸出激光波長為1 080 nm，如圖1c 所示；噴嘴采用直徑為1.2 mm 的雙層噴嘴，如圖1d 所示。

圖1 激光切割設(shè)備

1.2 實(shí)驗(yàn)方法

本次實(shí)驗(yàn)針對3 mm 厚的Q235 低碳鋼板，通過調(diào)整工藝參數(shù)進(jìn)行單因素試驗(yàn)，對比主要工藝參數(shù)對切割效果的影響。以激光功率、切割速度、離焦量和輔助氣體種類和壓力為變量，以切縫寬度、表面粗糙度和掛渣高度為響應(yīng)。在測量切縫寬度時(shí)采用直線切割，其余采用矩形切割。具體的工藝切割參數(shù)見表3。

表3 光纖激光切割工藝參數(shù)

實(shí)驗(yàn)完成后，采用精度為0.01 mm 的塞尺測量切縫寬度，為了減小測量誤差，每條切縫測量3 次，取其平均值。采用精度為0.02 mm 的游標(biāo)卡尺對切縫底表面的掛渣高度進(jìn)行測量，在每條切縫掛渣的不同位置測量5 次，取其平均值。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 切割工藝對切縫寬度的影響

圖2 為離焦量位置與其數(shù)值正負(fù)之間的對應(yīng)關(guān)系示意圖，一般光斑聚焦在工件表面之上時(shí)稱為正離焦，離焦量h＞0；光斑聚焦點(diǎn)位于工件表面之下時(shí)稱為負(fù)離焦，離焦量h＜0。在實(shí)際生產(chǎn)中，對于3 mm 碳鋼氧氣切割，一般采用+2 mm～+4 mm的離焦量，這是由于正離焦可使工件底部比上表面切幅更大，有利于氧氣到達(dá)工件底部參與充分的氧化反應(yīng)。并且一定焦點(diǎn)范圍內(nèi)，正焦點(diǎn)越大，板材表面光斑尺寸越大，割縫四周預(yù)熱及熱量補(bǔ)充更充分，碳鋼切割面越光滑越亮。

圖2 離焦量示意圖

在輔助氣體壓力為2.5 bar，離焦量為2.9 mm切割速度為65 mm/s 的情況下改變激光功率，測量切縫寬度如圖3a 所示。實(shí)驗(yàn)結(jié)果顯示，隨著激光功率的增大，切縫寬度呈上升趨勢；隨著切割速度的增大，切縫寬度反而越來越小；以能量守恒為依據(jù)，在其他條件相同的條件下隨著功率的增大，單位時(shí)間內(nèi)單位面積的板材吸收的能量更多，熱擴(kuò)散范圍變大，隨之造成切縫的變寬。這與陳亞軍等[14]得出的結(jié)論基本一致。

圖3 切割工藝對切縫寬度的影響

在保持其他參數(shù)不變的情況下改變切割速度，如圖3b 所示，切縫寬度整體呈下降趨勢，這是因?yàn)樵诠β什蛔兊那闆r下切割速度增加單位面積板材吸收的能量減少，熔化金屬量減少，切縫變窄。

由圖3c 可以看出，輔助氣體壓力在2.1～2.5 bar變化時(shí)切縫寬度在逐漸減小，且在2.5 bar 時(shí)切縫寬度達(dá)到最小，一旦氣壓超過2.5 bar 切縫寬度會(huì)顯著增大。這是因?yàn)镺2在切割過程中參與氧化反應(yīng)起到助燃的作用，當(dāng)輔助氣體壓力超過2.5 bar 時(shí)，切割過程中參與放熱反應(yīng)的O2增多，板材與氧氣的接觸面積增大，導(dǎo)致被氧化的金屬面積增加，所以切縫寬度急劇增加。

如圖3d 所示，隨著離焦量的增大，切縫寬度先減小后增大，在2.5～2.9 mm 時(shí)基本不變。這是因?yàn)楫?dāng)激光焦點(diǎn)位置在工件正上方時(shí)，激光束到達(dá)工件表面后的照射范圍會(huì)很寬，并且會(huì)在狹縫中擴(kuò)散。當(dāng)離焦量小于2.5 mm 時(shí)，激光能量更多地在工件下表面被吸收，導(dǎo)致下表面切縫寬度增大；當(dāng)離焦量小于1.8 mm 時(shí)，板材切縫寬度急劇增大且產(chǎn)生大量熔渣，因此無法將實(shí)驗(yàn)數(shù)據(jù)作為有效參考；當(dāng)離焦量大于2.9 mm 時(shí)，切口上部的能量將被過度吸收，同樣導(dǎo)致切縫寬度的增加。

2.2 切割工藝對掛渣高度的影響

如圖4a 所示，在切割速度小于50 mm/s 的情況下，掛渣高度隨切割速度的增大逐漸減小，在50～60 mm/s 的時(shí)候有一段無掛渣區(qū)，但是繼續(xù)增加切割速度掛渣也將隨著出現(xiàn)，直到不能切開板材。在切割速度較低的情況下，氧氣與板材氧化反應(yīng)時(shí)間長熔渣多，氧氣不能及時(shí)吹走熔渣因此造成了掛渣的產(chǎn)生。當(dāng)切割速度與氧氣壓力相匹配時(shí)，熔渣能被及時(shí)吹走，所以切縫表面無掛渣現(xiàn)象。但是當(dāng)速度進(jìn)一步增大，材料表面吸收能量不足，并且輔助氣體作用于熔渣吹除時(shí)間過短，則會(huì)在切件下方產(chǎn)生掛渣。

圖4 切割工藝對掛渣高度的影響

由圖4b 可以看出，隨著輔助氣體壓力的增加，切件掛渣高度明顯減小，但是輔助氣體壓力過大也會(huì)在切件下緣產(chǎn)生一些細(xì)小的顆粒，這是由于輔助氣體具有冷卻的作用，在壓力過大時(shí)冷卻力度也隨之上升，一些熔融物質(zhì)會(huì)在被吹走之前快速冷卻并附著于切縫下面。

如圖4c 所示，在離焦量2.1～2.9 mm 時(shí)掛渣高度隨著離焦量的增大逐漸減小，在2.9 mm 時(shí)達(dá)到最佳，隨著離焦量的繼續(xù)增大掛渣高度也將增高，這是因?yàn)榻裹c(diǎn)離板材小于2.9 mm 時(shí)激光束能量過高，熔融物質(zhì)太多，氣壓不足無法將熔融物迅速吹走，當(dāng)離焦量繼續(xù)增大時(shí)，激光束能量不足且光斑直徑過大不足以將板材及時(shí)切開，導(dǎo)致掛渣的出現(xiàn)。兩種情況下在板材的下面會(huì)產(chǎn)生不同類型的掛渣，離焦量大于2.9 mm 時(shí)屬于球狀掛渣，如圖5a所示；離焦量小于2.9 mm 時(shí)屬于碎狀掛渣球，如圖5b 所示。

圖5 掛渣類型

Wolfgang S 等[15]認(rèn)為，掛渣與切割前沿熔體的流動(dòng)性有關(guān)，切割前沿熔體的流動(dòng)性又與系統(tǒng)動(dòng)態(tài)變量有關(guān)。由圖4d 可知，隨著激光功率的增加，掛渣高度逐漸減小，這是因?yàn)榧す夤β试黾樱宀南路饺廴诋a(chǎn)物的系統(tǒng)動(dòng)態(tài)變量增大，所以熔融物的流動(dòng)性增高，可被高壓氣體徹底吹除，進(jìn)而無掛渣的產(chǎn)生。

2.3 切割工藝對表面粗糙度的影響

通過表面粗糙度測量儀對切件同一側(cè)切割面進(jìn)行測量，選取Ra 值與Rz 值作為參考標(biāo)準(zhǔn)，其中Ra 為輪廓的算術(shù)平均偏差，Rz 為微觀不平度十點(diǎn)平均高度[16]。由圖6a 可知，隨著切割速度的增加，切件表面粗糙度總體呈下降趨勢，且在大于55 mm/s時(shí)下降速度增大。這是由于隨著切割速度的增大氧氣與碳鋼反應(yīng)時(shí)間減少，切割過程與氧化反應(yīng)趨于平衡，表面粗糙度也隨之減小。

圖6 切割工藝對表面粗糙度的影響

由圖6b 可知，隨著激光功率的增大，切件表面粗糙度會(huì)產(chǎn)生細(xì)微的變化，但整體變化不大，說明激光功率對表面粗糙度影響不大。在激光切割過程中，由于熔化和氣化等現(xiàn)象，切縫表面會(huì)形成不均勻的形狀，同時(shí)由于輔助氣體和切割速度等工藝參數(shù)的影響，切縫表面會(huì)形成切割條紋，這些原因?qū)е铝吮砻娲植诙鹊牟町悺．?dāng)激光功率大于1 000 W時(shí)，材料在極短時(shí)間內(nèi)被快速切開，且輔助氣體可以快速吹走熔渣，因此切縫表面切線不明顯，表面粗糙度相對較小。隨著激光功率的增加，材料的熔化量增加，氣化程度增加，導(dǎo)致切割縫的表面粗糙度在一定程度上增加。但是，由于氣體壓力的除渣能力一直大于熔融物的增加量，即使熔化物的量增加，輔助氣體仍能及時(shí)吹走熔融材料，不會(huì)在切割縫表面造成大量不平整，因此表面粗糙度變化不大。

由圖6c 可知，表面粗糙度隨著輔助氣體壓力的增大先減小后增大，大約在3 bar 時(shí)達(dá)到最小。當(dāng)壓力低于3 bar 時(shí)，熔融物不能被及時(shí)地吹走，工件切割面處會(huì)產(chǎn)生熔漬導(dǎo)致表面粗糙度增大；當(dāng)壓力高于3 bar 時(shí)，則會(huì)在切件表面產(chǎn)生渦流導(dǎo)致切割表面切割條紋增多，如圖7 所示，嚴(yán)重影響了切割質(zhì)量。

圖7 工件切面形貌

由圖6d 可知，在離焦量增大的情況下表面粗糙度變化不規(guī)律，由于離焦量的不同激光焦點(diǎn)位置發(fā)生改變，激光的能量也發(fā)生了變化，板材切割面會(huì)出現(xiàn)切割不充分與過燒的情況，導(dǎo)致表面粗糙度改變。

3 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測與多目標(biāo)優(yōu)化

3.1 模型的選擇與設(shè)計(jì)

一維卷積神經(jīng)網(wǎng)絡(luò)是處理數(shù)據(jù)的一種經(jīng)典深度神經(jīng)網(wǎng)絡(luò)模型。卷積神經(jīng)網(wǎng)絡(luò)具有三種特征：稀疏連接、參數(shù)共享和等變表示。相較于其他深度神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)具有更快的訓(xùn)練速度和更少的參數(shù)。這些特征使卷積神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)處理方面具有無可比擬的優(yōu)勢。卷積神經(jīng)網(wǎng)絡(luò)相比于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)有更好的泛化能力，且回歸預(yù)測的準(zhǔn)確性更好[17]。

為了研究激光切割質(zhì)量與激光切割各影響因素之間的關(guān)系，本次實(shí)驗(yàn)設(shè)計(jì)了一種4 層卷積網(wǎng)絡(luò)，分為輸入層、一維卷積層、全連接層和輸出層，如圖8 所示。輸入層分別是切割速度、激光功率、離焦量、激光功率，輸出層分別是切縫寬度、掛渣高度、Ra 值與Rz 值，將在上述實(shí)驗(yàn)中的參數(shù)設(shè)定和測量結(jié)果的50 組數(shù)據(jù)作為原始數(shù)據(jù)，樣式見表4，其中前35 組作為訓(xùn)練集，后15 組作為測試集，對激光切割工藝的質(zhì)量特性結(jié)果進(jìn)行預(yù)測。

圖8 一維卷積網(wǎng)絡(luò)結(jié)構(gòu)

表4 碳鋼工藝參數(shù)及測量數(shù)據(jù)

圖9 所示為卷積神經(jīng)網(wǎng)絡(luò)預(yù)測的激光切割質(zhì)量與實(shí)際值的對比圖，根據(jù)預(yù)測數(shù)據(jù)與實(shí)際值對比可知，各項(xiàng)質(zhì)量特性的平均誤差都在5%以內(nèi)，因此驗(yàn)證了網(wǎng)絡(luò)的可靠性。

圖9 激光切割質(zhì)量特性實(shí)際值與預(yù)測值

3.2 加工工藝優(yōu)化

由于激光切割的輸入和輸出變量之間的復(fù)雜數(shù)學(xué)關(guān)系在形成閉合形式目標(biāo)函數(shù)的過程中經(jīng)常會(huì)產(chǎn)生明顯的誤差，因此使用卷積神經(jīng)網(wǎng)絡(luò)預(yù)測的結(jié)果作為遺傳算法的適應(yīng)度值可以適當(dāng)避免這些誤差的產(chǎn)生。

在驗(yàn)證卷積神經(jīng)網(wǎng)絡(luò)的可靠性之后，為了得到最終所需的最佳工藝參數(shù)，本文采用帶精英策略的非支配排序的遺傳算法（NSGA-II）對切割過程中各質(zhì)量特性進(jìn)行優(yōu)化以獲得帕累托最優(yōu)解（這些最優(yōu)解在目標(biāo)和變量值方面具有良好的多樣性），具體方法如圖10 所示。首先將子代種群Q 與父代種群P 進(jìn)行合并以組成一個(gè)包含2N個(gè)樣本的新種群Rt。然后將種群Rt進(jìn)行非支配排序，并且在排序過程中計(jì)算每個(gè)個(gè)體的擁擠度，最終得出一系列非支配集A。由于種群Rt中包含了父代和子代的所有個(gè)體，因此經(jīng)過非支配排序后的非支配集A1所包含個(gè)體是整個(gè)Rt種群中最好的個(gè)體集合，故A1為新的父代種群Pt+1中的一部分。若此時(shí)種群Pt+1的規(guī)模小于N，那么以此類推向，Pt+1中填加下一級(jí)的非支配集A2，直到新種群Pt+1的大小超出N，則對An中的每一個(gè)體使用擁擠度比較算子（偏序關(guān)系），提取個(gè)體，使種群Pt+1的規(guī)模達(dá)到N。最后通過遺傳算子，如選擇、交叉、變異，來產(chǎn)生新的子代種群Qt+1。

圖10 快速非支配排序

針對本文的問題，總體中N個(gè)字符串中的每一個(gè)的總體都包含4 個(gè)子字符串，它們表示約束變量，就是神經(jīng)網(wǎng)絡(luò)的輸入v、P、F和h，根據(jù)實(shí)驗(yàn)數(shù)據(jù)約束v的取值范圍為60 ～65，P的取值范圍為1 400～1 500，F(xiàn)的取值范圍為2.6～3.1，h的取值范圍為2.5～3.0。

本次實(shí)驗(yàn)以切縫寬度與掛渣高度作為優(yōu)化目標(biāo)，經(jīng)過100 次迭代后得到適應(yīng)度值為0.447 的變化曲線如圖11 所示，最終得到的帕累托最優(yōu)解集，見表5。將表5 中的3 組數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證并在宏觀與微觀兩種情況下進(jìn)行對比，如圖12 和圖13所示，經(jīng)過對比可得到最優(yōu)工藝參數(shù)為P=1 500 W，v=64 mm/s，F(xiàn)=2.6 bar，h=2.9 mm。

圖11 適應(yīng)度進(jìn)程圖

圖12 驗(yàn)證試件宏觀圖

圖13 驗(yàn)證試件微觀圖

表5 帕累托最優(yōu)解集

4 結(jié)語

本文通過實(shí)驗(yàn)綜合分析了激光切割工藝參數(shù)對切割質(zhì)量的影響，并采用實(shí)驗(yàn)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對切割3 mm 厚Q235 碳鋼的切割質(zhì)量參數(shù)預(yù)測，最終通過NSGA-II 優(yōu)化獲得最優(yōu)工藝參數(shù)組合，主要結(jié)論如下：

（1）根據(jù)實(shí)驗(yàn)結(jié)果表明切縫寬度的大小主要由切割速度與離焦量決定，掛渣高度受離焦量與激光功率的影響較大，切縫表面的粗糙度主要由切割速度與輔助氣體壓力決定。同時(shí)根據(jù)實(shí)驗(yàn)數(shù)據(jù)可確定最終優(yōu)化參數(shù)的取值范圍。

（2）采用卷積神經(jīng)網(wǎng)絡(luò)方法，建立激光切割質(zhì)量的數(shù)學(xué)模型，根據(jù)該模型預(yù)測激光切割切縫寬度、表面粗糙度、掛渣厚度等工藝參數(shù)。

（3）通過卷積神經(jīng)網(wǎng)絡(luò)與多目標(biāo)優(yōu)化算法相結(jié)合的方法可得到最佳工藝參數(shù)為P=1 500 W，v=64 mm/s，F(xiàn)=2.6 bar，h=2.9 mm。

通過上述分析與驗(yàn)證，得出實(shí)驗(yàn)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)在激光切割預(yù)測方面的可靠性，卷積神經(jīng)網(wǎng)絡(luò)與多目標(biāo)優(yōu)化算法相結(jié)合的方法也可對實(shí)驗(yàn)數(shù)據(jù)集的參數(shù)進(jìn)行優(yōu)化，這可以極大程度上減少傳統(tǒng)工作中以人工經(jīng)驗(yàn)為主導(dǎo)的切割實(shí)驗(yàn)，因此可用于指導(dǎo)實(shí)際的企業(yè)生產(chǎn)和科研實(shí)踐。