声发射技术监测脉冲激光除锈过程中金属除锈状态的新方法（1）

江苏激光联盟导读：

本文探讨了激光除锈的原理和方法。本文为第一部分。

摘要

由于激光除锈的直接可视化和实时控制具有挑战性，主要是由于传统的显微程序，操作人员很难准确判断复杂的除锈情况。声发射(AE)监测技术可以有效地评估除锈过程的终止，避免碳钢基体的热损伤。本研究成功地将声发射监测与高速摄像机相结合，对激光除锈机理进行了可靠的研究。利用声发射信号和高速图像观察和分析锈蚀层的动态去除特性和微观变化，进一步完善脉冲激光除锈机理。

基于快速傅里叶变换(FFT)频谱分析，分别确定与激光源冲击钢基板或铁锈层密切相关的滤波均方根(RMS)信号的15 ~ 35?kHz、65 ~ 85?kHz和140 ~ 160?kHz三个特征频率内容。提供了与基体表面热损伤相关的可观测声发射特征。建立了RMS信号与具体激光除锈参数之间的直接校正，实现了两种具有代表性的激光流场的完全除锈过程的监测。FFT在0.3?秒内进行，以验证与除锈效果相关的15 ~ 35?kHz频率内容的任何变化。

1. 介绍

激光除锈技术作为一种非机械接触、高效环保的除锈技术，在机械工业、造船应用等特殊领域的相关领域受到了企业和研究人员的广泛关注。因此，它逐渐取代了传统的除锈技术。Wang等(2003)证明，在合适的激光加工参数下，脉冲Nd:YAG激光可以完全去除锈蚀层。然而，目前激光除锈过程的复杂性往往依赖于操作人员的经验和技能，以识别除锈状态的不完善和基片热缺陷的变化。Moskal等(2016)分析了加工参数对高温合金AM1激光表面清洗的影响及扫描过程中的最佳参数。Zhang等人(2018)研究发现，所有激光清洗的表面几乎都是无污染的，但发现了具有典型波状凝固结构的熔化表面。Guan等(2013)提出，与镀层表面相比，清洗区域变得更加光滑，激光清洗过程中熔化效应是不可避免的。

此外，近十年来对激光除锈过程中各种除锈机理的关系进行了研究。Chen等(2012)指出，高功率光纤激光除锈过程中会发生气化和等离子体爆炸，其中烧蚀速率是一个重要指标。一些研究人员就这些问题提出了不同的机制。Zheng等(2001)根据热膨胀机理，建立了激光散射强度与颗粒位移之间的关系，用以解释颗粒在硅片上的热塑性过程。影响除锈机理和除锈质量的各种因素增加了除锈过程实时控制的难度。

由于原厂激光除锈后出现了表面质量不合格的现象，因此用声发射(AE)预测彻底除锈效果较好。AE是一种强大的无损检测(NDT)方法，用于检测材料在应力作用下的变形行为，指的是材料中应力的突然重新分布引起的瞬态弹性波的产生(Pollock and Adrian, 2007)。Baranov等(2007)解释了声发射的来源与位错运动、塑性裂纹的形成和材料结构的扩展有关。

因此，激光除锈过程中捕捉到的声发射特征可能与激光源冲击铁锈层、热应力形成、铁锈熔化气化相变等现象有关，具有连续型和爆裂型特征。Liao和Axinte(2016)报告称，声发射作为一种弹性应力波发射，被认为是一种先进的传感器信号，可以应用于精确的切削条件监测。在过去的十年里，数十名研究人员发表了AE用于监测不同材料激光加工的各种用途。Tsereveakis等人（2018年）介绍了一种综合统计方法，该方法将低噪声光声振幅测量整合到MHz范围内，并与表示激光清洗干预的三个离散阶段（即：过层烧蚀、有效清洗和成功受损基板）的冲击波建立了稳健的相关性。通过测量产生的光声信号的振幅和频谱，可以得出结论，在激光作用的“硬”模式下，固液界面气-气气泡的形成和空化坍塌所引起的强烈水动力过程导致玻璃的机械断裂(Tsvetkov等，2017)。

在激光焊接的应用方面，Luo等(2005)提出，当焊接缺陷发生时，代表焊接质量较好的特征信号为10 ~ 20?kHz，声音信号的低频(<781?Hz)分量强度急剧下降。Kek和Grum(2009)提出可以检测到与激光切割质量相关的连续信号，并且由于热效应，声发射信号会在试样材料中发生变化。Yang和Yu(2014)结合金属材料的降噪方法，证明了激光热损伤与声发射特征之间存在很强的相关性。在刀具条件下，有报道称声发射信号是对无峰刀具车削过程中振动载荷的响应，这是由于颤振切削过程中形成了切屑(Filippov等人，2017)。Perez等人(2017)提出，利用声发射均方根(RMS)、切削深度、扭矩和钻压的综合输出，创建了两种预测钻头磨损状态的方法。Krzysztof和Joanna(2010)在工具状态监测过程中，提出了一种从原始声发射信号的小波系数中提取信号特征的相关性评价的新方法。

Yao等（2010)对在线颤振检测进行了研究，设计了基于小波变换和小波包能量比的二维特征向量，用于识别稳定态、过渡态和颤振态。因此，砂轮磨损状态检测目前也被广泛应用。在磨削过程中的声发射监测方面，Liu等(2006)提出利用小波包变换可以在不受其他机械因素干扰的情况下成功提取磨削燃烧温度等声发射特征。Kim等(2001)开发了一种声发射监测系统，能够检测异常磨削状态，并通过声发射RMS信号获得切割的最佳修整深度。Yang和Yu(2012)将原始声发射信号分解成5级小波，利用支持向量机对磨削周期进行识别，分类精度达到100%，切削深度为20?μm。

用于(a)钻孔作业和(b)铣削和/或磨削作业的电化学和磨削混合混合加工工艺示意图。

可以使用金刚石磨料涂层的球形金属棒从预加工的导向孔中去除材料，如图a所示。磨料颗粒在导电工件和镍工具之间形成非导电层。材料的去除分两个阶段进行。第一阶段是电解作用，电解液填满间隙，工具充电。第二阶段是机械磨削和电化学作用的结合。机械磨削过程从软工件表面去除材料。刀具旋转和进给速度是决定这一过程结果的两个基本参数。这个过程也去掉了重铸层。混合工艺可用于如图A所示的钻井目的，也可用于图b所示的铣削目的。

随着传感和信号处理技术的发展，声发射技术被用来监控其他精密加工过程，以避免工业应用中的差错和故障。一些研究尝试利用声发射监测铣削作业，如Marinescu和Axinte(2008)首次提出的结果，证明了声发射传感措施在铣削过程中监测工具失效和工件表面异常的有效性。Rabani等(2012)将声发射传感应用于磨料水射流铣削的监测中，为磨料水射流铣削发现了一种基于监测概念的新能源来监测射流侵入深度。Arul等(2007)和Karakus以及Perez(2014)确定了声发射信号变化与钻井参数之间的关系。

此外，Rajashekar和Rajaprakash等(2016)利用机器视觉和声发射数据的变化，开发了一个搅拌摩擦焊接质量评估模型。最后，Cockerill等(2016)报道了声发射在失效早期早期的早期损伤检测方面可能具有优势，Lee等(2006)描述了声发射能够满足CMP和晶体取向检测中材料去除过程监测的要求。

目前，利用声发射技术进行激光除锈的研究工作还没有系统的开展，由于缺乏详细的具体研究，因此对激光除锈的无损监测具有重要的意义。与传统的微观分析验证相比，为了更好地了解除锈机理，避免钢基板热损伤，声发射被认为是激光除锈过程中最适合实时监测的，因为它是随着除锈层去除而产生的。它的频率远远超过了可以轻易过滤的机械噪音。综上所述，本文研究的重点是利用声发射技术结合高速摄像机，更好地理解和识别除锈过程背后的机理。另一个重点是研究不同除锈条件下的特定光谱，并区分RMS信号特征，以确定激光是与锈蚀层还是钢基板相互作用。对RMS水平与工艺条件的关系进行了反复实验，验证了该方法的可行性。

2. 实验设备和方法

2．1． 实验材料

Q235钢试样尺寸为60?mm?x?60?mm x1?mm(长×宽×厚)，其主要元素含量如表1所示。抛光后的样品表面粗糙度Ra值达到2.4?μm。样品在自来水中浸泡一个月后，由于环境潮湿，样品表面出现锈蚀层。碳钢在环境中容易与水和电解质发生电化学腐蚀。相同厚度的样品制备时间相似，用激光共聚焦显微镜测量样品的四边，然后计算其平均值。根据国家标准(GBT-8923.1-2011, GBT-8923.1-2008)，制备了不同厚度的碳钢B级锈层，其厚度约为154565?μm，如图1所示。

表1 目标工件材料的性能。

图1 碳钢试样:(a) Q235钢带锈层的光学图像;(b) Q235钢带锈等级B的放大区域的SEM图像。

2.2 实验仪器

为了证明纳秒激光除锈RMS信号监测的有效性，加工仪器和设备的精度至关重要。图2(a)为采用输出波长为1064?nm、最大输出功率为20?W的YLPM系列MOPA光纤激光器的激光除锈处理系统。在聚焦光斑为40?μm的激光照射下，将样品放置在可沿X/Y/Z方向移动的操作平台上。可精确调节脉冲持续时间、脉冲重复频率、激光功率等试验参数。SCANLAB公司生产的高速振镜扫描仪最大扫描速度可达2000?mm/s，扫描范围为100?mm?×?100?mm。图2(b)为激光加工系统的主要性能参数，表2中的加工参数符合特定除锈条件的要求。

图2 (a)实验装置照片和(b)监测系统示意图。

表2 激光加工系统规格。

该声发射监测系统由4块美国物理声学公司的数据采集板组成，安装在计算机上，同时安装了分析软件。原始声发射信号传入PCI-2系统，在数据文件中记录基于命中和基于时间的声发射参数。基于碳钢样品的体积和材料特性，采用了单端共振声发射传感器Nano30，其灵敏度在125–750范围内?kHz，RFI/EMI抗干扰能力强。此外，还应用了增益为40 dB的前置放大器和具有抗电磁噪声特性的电缆，以最小信噪比将采样速率分别为5 MHz和10 MHz、采样长度为6 K的激光除锈的原始AE信号数据传输到PCI-2系统。最后，通过安装的AEwin软件对采集到的信号进行进一步的分析，信号处理是一项能够将相关和需要的数据与噪声信号区分开来，初步了解声发射信号特征的操作。

激光除锈的声发射信号包含大量的信息，因此需要对激光除锈的信号进行处理，以提取所需的数据，提高信噪比。随着信号分析工具和统计方法的迅速发展，选择声发射信号的特征参数来表征脉冲激光除锈过程是一个颇具吸引力的挑战。其中，均方根(RMS)、快速傅里叶变换(FFT)和幅值是当前研究的重点。FFT是一种著名的算法，它可以将时域信号转换为频域信号，幅值信号与事件数直接相关，对于AE源的活动性评价更直观。考虑到文献中提到的RMS信号是用来反映材料去除的强度和评价试验过程中释放的能量，因此部分采用RMS和幅值信号来说明采用FFT处理方法的除锈性能。

2.3. 实验步骤和除锈参数

第一组试验（T1）是直接为了更好地识别和理解与不同除锈条件相关的除锈机制。这些试验是使用高频AE监测设备和高速摄像机进行的。在AE分析中，连续信号是在10 MHz的采样频率下收集的，也就是说，理论上每0.1μs收集一个数据点。连接到高速相机的参数的选择对于动态去除锈层期间结果的准确性非常重要。帧率为50，000 fps，曝光时间为1/57143秒。在点阵区域内每次激光脉冲照射后，记录20幅图像，与上述激光参数设置相匹配，脉冲持续时间为4和200 ns，脉冲重复率为2.5 kHz（脉冲激光输出周期为0.4 ms），1ms内可发现约3个激光脉冲。激光注量分别为2.87、19.3和111.4?J/cm2，确定了激光除锈机理，同时影响了激光除锈过程的效率。实验脉冲持续时间为4和200?ns，重复频率为2.5?kHz，锈层厚度接近，以保证低、中、高激光源的覆盖。

一旦确定了AE信号特征（RMS、振幅）与第一次试验中锈层去除状态之间的相关性，第二次试验（T2）中的激光注量参数选择为5.25、15.76、42.7、53、76.1和111.4?J/cm2，用于显示和量化激光照射下的除锈区域。激光器的脉冲重复频率被调整为10?电流计的扫描速度为600 kHz?在线扫描的处理模式下，以毫米/秒的速度实现明显的焦点分离，无重叠。通过激光共聚焦显微镜进行表面观察和尺寸测量，并通过多次测量的平均值获得烧伤点的直径。

第三次试验(T3)在之前频谱分析的基础上，研究了激光与锈蚀层或钢基板相互作用时RMS信号的嵌入特征。在正方形区域的激光扫描试验中，激光注量有规律的变化(15.76、42.7、53、76.1?J/cm2)，但脉冲持续时间200?ns、脉冲重复频率10?kHz和重叠率40%保持不变。另外，在接下来的实验中，使用不同厚度(15或65?μm)的锈层，目的是在不知道频率含量分配的情况下，研究峰值频率的发生。因此，为了避免锈蚀层和钢基体发生热损伤，采用相同的53?J/cm2激光辐照量对锈蚀层和钢基体工件分别进行激光扫描。

另一个焦点是确定AE信号之间的相关性和加工条件,所以第四试验(T4)进行了以下参数:激光影响15.76?J / cm2, 53?J / cm2,脉冲持续时间200?ns,重复率10?kHz,生锈的厚度45?μm的目的明显的除锈效果比较。两种激光影响的变化导致了不同的去除质量。采集本地频段15 ~ 35?kHz及其峰值频率，进一步研究激光与锈层相互作用的影响。

因此，在连续试验的基础上，对激光除锈过程中可能发生的不同除锈状态进行了试验监测，从除锈机理的具体声发射特征到实时除锈情况的测量。这些试验均进行了3次，包括激光点状试验和激光扫描试验在内的所有试验所使用的激光加工参数见表3。

表3 激光除锈试验参数。

3.结果与讨论

3．1. 激光除锈机构特点

当激光与材料相互作用时，会受到激光参数(激光注量、脉冲持续时间、波长、脉冲数等)和材料特性等因素的影响。目前，激光与材料的相互作用机理可分为光热效应、光化学效应和光物理效应。准确地说，往往是几种机制的混合导致了材料的去除，使其难以区分。因此，利用高速摄像机记录了脉冲激光在不同激光强度下的除锈动态过程。同时，对整个除锈过程中获得的振幅、均方根等信号特征进行采集和分析，与除锈机理建立直接联系。从扫描电镜图像上直观地观察了激光辐照区铁锈层和钢基体的微观形貌变化。在2.87?J/cm2、19.3?J/cm2和111.4?J/cm2三种典型激光功率下进行了连续试验，深入探讨了T1时段激光除锈机理。

图3(a)为锈蚀层点状区域脉冲叠加后的幅度和RMS声发射信号。随着点状区域出现裂纹，振幅变化变得不稳定，呈现出相对活跃的散射分布，最后一次脉冲的信号甚至与激光照射第一次接触的信号相差不大。同样，脉冲激光在锈蚀层中的热积累也使RMS信号略有增加。这很容易理解，更多的激光脉冲产生更多的除锈，并帮助热积累隐藏到松散层。附着在基板上的紧密锈层以块状剥落，伴随较大的声发射信号。在图3(b)(c)的SEM显微图中，激光束只起到加热作用，没有熔化、沸腾等相变。松散的锈层与未熔化的基板金属分离。残余锈层区域在热膨胀作用下产生裂纹。然而，由于激光通量低于烧蚀阈值，几乎不会产生烧蚀羽流，高速相机无法提供关于除锈时刻的大量相关信息。

图3 在2.87?J/cm2的激光除锈过程中，声发射和图像数据的结果:(a)声发射性能表明脉冲激光与特定信号之间的相关性;(b)和(c) SEM图像显示裂纹开始时的辐照区域。

为了评价声发射和高速摄像机作为锈蚀层去除检测技术的可行性，图4(a)给出了19.3?J/cm2激光注量作用下锈蚀层去除的动态过程。当时间为0?ms时，脉冲激光与第一松散层相互作用产生了瞬时烧蚀羽流，这是由于激光能量在松散层中被吸收所致。在0.2?ms时，观察到松散层中有少量的锈粒在热波作用下从表面逃逸出来。显然，在0.6 ms和0.8?ms时，发现少量烧蚀产物飞溅，可能是由于后续脉冲激光辐照的热积累和增强，导致后续锈层熔化和气化，使整体去除率更明显。图4(b)为激光除锈过程中激光脉冲个数对AE捕获信号的影响。脉冲激光开始接触锈蚀层时，振幅信号出现了散射分布，振幅信号的出现与锈蚀颗粒从材料表面分离时相似。在第二次和第三次脉冲激光中，振幅信号的变化类似，表明除锈仍在继续进行。

略有不同的是，由于脉冲激光的逐渐热积累，分离产物从锈粒变为烧蚀产物。另一方面，RMS信号的结果呈现出高频成分的特征，说明AE信号的增加可能是由于激光脉冲积累了更多的热量，这在增强烧蚀方面起到了重要作用。图4（c–d）也与前面的假设一致，显示了19.3?J/cm2激光辐照下相互作用区表面形貌。在相互作用区域的中心开始熔化，锈层熔化表面有一个微坑，靠近基材。形成凹坑的主要原因是激光注量可能达到最后一锈层的沸腾阈值。在反冲压力的作用下，固液界面形成凹坑，使熔化的锈层向外飞溅。

图4 19.3?J/cm2时激光除锈过程中的声发射和图像数据结果：（a）声发射性能，表明脉冲激光与特定信号之间的相关性；（b）脉冲激光与锈层相互作用的动力学过程；（c）以及（d）描述脉冲激光辐照区域后热熔解表面的SEM图像。

为了进一步研究与除锈机理密切相关的较高激光注量对声发射信号的影响，选择111.4 J/cm2的激光注量。图5（a）显示了一系列去除力矩的激光脉冲和锈层的动态表示。在第一个激光脉冲与锈层表面相互作用的瞬间，出现了强烈的蒸汽羽流，表明在冲击力作用下，从基体表面分离出来的松散锈层在相互作用的过程中形成了强烈的烧蚀。在0.4?ms的时间间隔内形成另一次气体爆炸，导致瞬时加速。此外，当样品上方的聚集颗粒再次受到冲击力时，活性区域内可见光下的颗粒飞溅更频繁、更强。但在0.8?ms的时间内，由于第三次脉冲激光与锈层的相互作用，并没有新的松散颗粒从钢基体中逃逸出来，说明底部的锈层已分解为小颗粒，脉冲激光开始与基体表面接触。

在声发射信号方面，图5(b)给出了激光注量为111.4?J/cm2时，脉冲激光每次与锈层接触与除锈时刻声发射信号的关系。在振幅信号中可以观察到相似的弥散分布，但整体弥散值较大，可见弥散分布比前一个弥散分布更加活跃，这也解释了松散的颗粒瞬间转化为消融产物并向外飞溅。但随着三次脉冲激光的发展，振幅信号有减小的趋势。很容易理解，激光脉冲越大，除锈效果越好，从而导致振幅信号值越大。

因此，残留的少量颗粒和钢基体开始逐渐出现。随着较高激光辐射的增加，RMS信号峰值有显著增加的趋势，这与一系列激光脉冲嵌入钢基体的热量变化较大有关。当激光注量为111.4?J/cm2时，表面强烈蒸发将锈层完全去除，如图5(c-d)所示。基体表面在熔池中出现明显的汽化坑和气化作用下的熔融金属。锈层在很短的时间内气化形成爆炸飞溅，这与之前根据高速摄像机和AE信号的假设一致。

图5 111.4 J/cm2激光除锈过程中的声发射和图像数据结果：（a）声发射性能，表明脉冲激光与特定信号之间的相关性；（b）脉冲激光与锈层相互作用的动力学过程；（c）（d）蒸发坑的SEM图像揭示了辐照区域基板损坏的迹象。

为了更直观地观察激光注量对去除效果的直接影响，如图6（a）所示，当激光注量变大时，点状区域有增加的趋势，其中同步收集的相应RMS信号将使用不同的激光注量参数平均计算。很明显，激光注量的变化对均方根值有直接影响。由于在较高的激光注量下有明显的去除率，RMS的值要高得多，通过激光打点的面积在合成的圆尺寸中更清晰。值得一提的是，烧蚀区的不规则圆与作用区锈层的不均匀分布有关。如图6（b）所示，它说明了T2试验中激光注量、面积大小和除锈效果RMS水平之间的稳健特征。均方根值和去除面积与激光注量呈线性关系，显示出相同的视觉相似性，激光注量的增加使锈层处于更具爆炸性的状态。

图6（a）与除锈相关的面积大小随激光注量的变化而变化；（b）面积大小结果与RMS平均变化激光通量相关。

结合上述三种技术的应用，激光能量通量在脉冲激光除锈过程中是影响除锈机理和除锈层去除率的重要参数。在脉冲激光注量为2.87?J/cm2时，在脉冲激光与锈蚀层相互作用的区域没有观察到熔化和气化材料，表明激光参数低于锈蚀层的烧蚀阈值。在非熔化工艺中，除锈主要依靠弹性膨胀，因此在这种情况下，除锈层的去除率较低，但对基体的损伤影响较小，如图7(a)所示。激光注量为19.3?J/cm2的热熔态除锈，导致锈层熔融凝结，如图7(b)所示。

另一方面，随着激光脉冲的增加，会出现烧蚀羽和少量烧蚀飞溅的形成，可以认为目前锈层主要是通过热弹性膨胀和熔化去除的。但当激光注量超过19.3?J/cm2甚至达到111.4?J/cm2时，从图7(c)可以看出，锈层和钢基体表面都出现了汽化甚至气相爆炸。气相爆炸产生的冲击压力加快了松散层的去除率，这与激光注量增加导致的气化冲击越明显，除锈效率越高的观点一致。然而，这可能会导致钢基体的强烈烧蚀和热损伤。采用声发射数据与脉冲激光对不同工况参数下的动态过程和形态图像数据相结合的方法来识别和评价除锈机理更为可靠。

图7 (a)热塑性膨胀，(b)熔融和(c)气化形式的除锈过程示意图。

来源：A new monitoring method for metal rust removal states in pulsedlaser derusting via acoustic emission techniques，Journal of MaterialsProcessing Technology，
doi.org/10.1016/j.jmatprotec.2019.116321

参考文献：S. Arul, L. Vijayaraghavan, S.K. Malhotra，Onlinemonitoring of acoustic emission for quality control in drilling of polymericcomposites，J. Mater. Process. Technol., 185 (1-3) (2007), pp. 184-190

江苏激光联盟陈长军原创作品！