基于NSGA-Ⅱ的Fe基合金激光熔覆工藝參數優化

宋少東 王燕燕 舒林森 何雅娟

摘要：工藝參數是保證激光熔覆修復閥門類零件質量的關鍵因素。以激光功率、掃描速度、送粉速度、離焦量為自變量，熔池深度、顯微硬度、稀釋率為優化目標，基于正交試驗研究了工藝參數對40Cr基材上熔覆Fe基合金粉末性能的影響規律。采用逐步回歸分析建立了稀釋率、熔池深度、顯微硬度的回歸方程，最后通過NSGA-Ⅱ智能算法進行優化，得到了最優工藝參數并進行了試驗驗證。結果表明：熔覆層稀釋率及顯微硬度的主要影響因素為送粉速度，而對熔池深度影響最大的因素為激光功率，在激光功率2 182 W、掃描速度17.2 mm/s、送粉速度18.4 g/min、離焦量1.86 mm時，熔覆層形貌大為改善，稀釋率為20.3%，熔池深度為373 μm，顯微硬度提高了21.7%，修復質量得到了有效提高。

關鍵詞：激光熔覆;工藝優化;NSGA-Ⅱ;極差分析

中圖分類號：TG456.7? ? ? 文獻標志碼：A? ? ? ? ?文章編號：1001-2003（2021）12-0001-05

DOI：10.7512/j.issn.1001-2303.2021.12.01

0? ? 前言

作為能源、化工等行業發展的重要支撐產品，閥門類零件近幾年一直保持著高速發展[1-2]。閥門類零件長時間處在惡劣的工作環境下，其核心部件極易發生磨損、變形腐蝕等失效形式，每年因失效導致的零件報廢造成的浪費十分嚴重。因此，尋找一種方法能夠對這些稍有破損而失效的閥門進行修復，使之達到或超越修復前的性能，將具有重大的工業意義。激光熔覆作為激光再制造技術的一個重要分支，是一種先進的表面改性技術。它通過在損壞零件表面添加所需性能的熔敷粉末，利用高密度的激光束使之熔化、凝固，形成與基體冶金結合良好的熔覆層，最終達到改進或修復損壞零件部件的目的。具有節約資源、綠色清潔、節省成本等特點，已成為再制造領域的熱點技術，在航空、汽車等行業備受關注[3-5]。

激光熔覆工藝參數決定了零件修復質量的好壞。趙凱等[6]采用NSGA-Ⅱ結合BP神經網絡的組合算法優化了20鋼表面熔覆Incone625粉末的工藝參數，提高了基材表面硬度，修復質量得到提升;李治恒等[7]通過激光熔覆制備431CO-M2涂層，基于正交試驗探究了工藝參數對熔覆層成形及稀釋率的影響;李亞敏等[8]基于ANSYS模擬仿真平臺分析工藝參數對熔池的影響，并確定了激光熔覆Inconel718涂層的最優工藝參數。這些研究獲得了特定條件下激光熔覆的最優工藝參數，所制備的熔覆層質量也得到顯著提高。但在實際應用中，由于粉末和基材種類繁多，各工藝參數與熔覆層質量之間的關系仍需進一步探究。文中采用正交試驗及極差分析研究工藝參數對40Cr基材表面熔覆Fe基合金粉末性能的影響，通過NSGA-Ⅱ智能算法對工藝參數進行優化，尋找最優工藝參數組合并進行試驗驗證，為改善激光熔覆工藝、提高閥門類零件修復質量提供了理論參考。

1 試驗材料與方法

1.1 試驗材料及設備

試驗用基材為40Cr，尺寸為240 mm×80 mm×12 mm，具有良好的韌性和綜合力學性能，其化學成分如表1所示。熔覆粉末為Fe基合金粉末，粉末顆粒直徑為60～200 μm，顆粒形貌如圖1所示，主要化學成分如表2所示。

試驗設備為半導體光纖激光設備，由激光系統、水冷系統、保護氣、控制系統、變位器、送粉器、ABB機器人組成，如圖2所示。試驗前，對40Cr基材進行打磨、酒精清理等預處理。

1.2 試驗設計

針對激光熔覆中激光功率、掃描速度、離焦量、送粉量4個重要的工藝參數，以稀釋率、熔池深度、顯微硬度為優化目標，在4個參數中通過前期試驗選取了4個水平，基于正交試驗方法設計試驗方案，如表3所示。

試驗中共16組試樣，每組方案均進行重復試驗并取均值。熔覆后采用電火花切割機床沿垂直熔道方向進行切割獲得試樣橫截面，然后對試件進行磨拋、腐蝕，采用顯微鏡及HV-1000型維式硬度計測量計算熔覆層熔深、稀釋率及顯微硬度（見表4）。

2 結果與優化

2.1 極差分析

極差分析可確定工藝參數對熔覆層形貌及顯微硬度的影響次序，并獲得最優工藝參數組合。令 Yij為i因素在j水平下進行試驗所獲得的結果之和，則

式中 n為因素個數。各個工藝參數的極差如表4所示。

通過極差分析可確定影響熔覆質量指標的因素次序，極差值越大，表明該工藝參數對指標的影響越顯著，為主要因素，反之為次要因素[9]。由表4可知，熔覆層稀釋率的主要影響因素為送粉速度，其次為激光功率和掃描速度，離焦量對其影響程度最小，為次要因素，所對應的最優參數組合為A4B1C1D4;熔覆層硬度的主要影響因素是送粉速度，其次為激光功率及掃描速度，離焦量對其影響最小，為次要因素，所對應的最優參數組合為A4B1C1D1;熔池深度的主要影響因素為激光功率，其次為掃描速遞和送粉速度，離焦量的影響最小，為次要因素，對應的最優參數組合為A4B1C1D4，即最優參數組合為：激光功率2 400 W，掃描速度14 mm/s，送粉速度16 g/min，離焦量2 mm。

2.2 模型建立

逐步回歸分析可對方程在所設置區間內的顯著性進行檢驗，所擬合的方程預測值真實性高，方程可靠度較好[10]。采用逐步回歸的方法對試驗結果進行擬合，以激光功率、掃描速度、送粉速度、離焦量為輸入變量，熔覆層稀釋率、顯微硬度、熔池深度為輸出變量，基于Matlab建立回歸方程如下：

（1）稀釋率：

Y=2.434-0.001A-0.135B+0.022C-0.169D+7.527A2-1.694B2+1.424C2-0.001D2+0.012ABC-0.002BCD

（2）顯微硬度：

Y=2 856.057-0.944A-129.151B-18.477C-285.169D+0.059A2+0.005B2-0.175C2+0.289D2+5.232ABC-2.240BCD

（3）熔池深度：

Y=1 320.141-0.521A-110.836B+37.062C+145.496D+0.056A2-0.009B2-0.106C2-1.035D2+9.318ABC-5.791BCD

2.3 基于NSGA-Ⅱ的工藝優化

文中采用NSGA-Ⅱ算法對激光熔覆工藝參數進行優化，尋找最優工藝參數組合。NSGA-Ⅱ算法是一種建立在Pareto解集基礎上的進化算法。相比第一代算法，該算法引入了精英策略，有效避免了優良數據在迭代過程中的丟失，大大縮短了收斂過程;采用快速非支配排序，可顯著提高運算效率;根據擁擠度算子進行排序，客觀性較高。

NSGA-Ⅱ算法原理如圖3所示，該算法直接面向Pareto前沿，首先以目標函數作為種群中的個體適應度函數，隨機產生初代種群，基于非支配排序和擁擠度比較算子排序對初代種群進行處理;進行遺傳操作，得到子代種群，然后合并兩個種群進行非支配排序和擁擠度比較算子排序，形成新的種群[11]。經過反復迭代，種群平均適應度會收斂于一個最優點，即目標函數的全局最優點。

根據實驗用激光器、ABB機器人手臂及送粉器的精度，在優化過程中等間隔選取10 000個樣本點。其中在約束范圍內的點共2 432個，將其組成優化的可行域。算法參數設置為：種群數量300，迭代次數200，優化后的解集中有30個點。優化的Pareto前沿解集如圖4所示。

在NSGA-Ⅱ算法所得到的參數集合中，優選出綜合質量指標最好的組合為：激光功率2 182 W，掃描速度17.2 mm/s，送粉速度18.4 g/min，離焦量1.86 mm。此工藝參數組合下所獲試樣見圖5b，熔覆層稀釋率達到20.3%，熔池深度為373 μm，顯微硬度為856.7 HV。優化前后熔覆指標結果對比如表5所示。由表5可知，經NSGA-Ⅱ算法優化后，熔覆層顯微硬度增加了21.7%。

3 結論

（1）基于正交試驗及極差分析，研究了工藝參數對激光熔覆的影響規律，發現工藝參數對熔覆層稀釋率的影響次序為：送粉速度>激光功率>掃描速度>離焦量;對熔池深度的影響次序為：激光功率> 送粉速度>掃描速度>離焦量;對熔覆層顯微硬度的影響次序為：送粉速度>激光功率>掃描速度>離焦量。

（2）通過逐步回歸分析方法建立了回歸模型，并基于NSGA-Ⅱ算法進行優化，得到最優工藝參數為：激光功率2 182 W，掃描速度17.2 mm/s，送粉速度18.4 g/min，離焦量1.86 mm。驗證試驗結果表明，該參數下熔覆層稀釋率為20.3%，熔池深度為373 μm，顯微硬度為856.7 HV，相比極差分析所得工藝參數，熔覆層硬度提高21.7%，形貌更為優良，熔覆層質量顯著提高。

參考文獻：

Wei Zhao，Chuwen Guo，Fengchao Wang. Numerical simul-ation of pressure impact on Hydro automatic reversing valve core in a down hole pump[J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering，2016，38（6）：525-533.

鄭智貞，董芳凱，袁少飛，等. 閥門殼體類零件MBD制造模型研究[J]. 機床與液壓，2018，46（8）：5-8，12.

鄧德偉，鄭海彤，馬玉山，等.激光重熔對Cu-18Pb-2Sn激光熔覆層組織和性能的影響[J]. 材料熱處理學報，2021，42（6）：140-146.

方振興，祁文軍，李志勤. 304不銹鋼激光熔覆搭接率對CoCrW涂層組織與耐磨及耐腐蝕性能的影響[J].材料導報，2021，35（12）：127-133.

劉金剛，鄭文捷，王高升，等. 20Cr2Ni4A鋼表面WC增強鐵基涂層耐磨性能的研究[J]. 表面技術，2021，50（6）：236-242.

趙凱，梁旭東，王煒，等.基于NSGA-Ⅱ算法的同軸送粉激光熔覆工藝多目標優化[J].中國激光，2020，47（1）：96-105.

李治恒，孫耀寧，張瑞華，等. 基于正交試驗的3Cr14不銹鋼激光熔覆工藝參數優化[J].應用激光，2020，40（6）：1029-1034.

李亞敏，咬登治，范福杰. 激光熔覆718合金工藝參數優化的數值模擬研究[J].應用激光，2018，38（6）：920-926.

王波，舒林森. 基于正交試驗的 Q235/316薄鋼板激光焊接工藝優化[J].應用激光，2019，39（4）：580-585.

趙大偉，梁東杰，王元勛. 基于回歸分析的鈦合金微電阻點焊焊接工藝優化[J].焊接學報，2018，39（4）：79-83，132.

黃俊，陳子博，劉其蒙，等. 基于NSGA-Ⅱ的離體皮膚組織激光融合工藝參數的多目標優化[J].中國激光，2019，46（2）：199-205.

劉永姜，李俊杰，曹一明，等.基于近似模型和遺傳算法的等離子噴焊工藝參數多目標優化[J].科學技術與工程，2021，21（11）：4403-4408.