熊俊 鄭森木 陳輝

摘要：電弧增材制造以電弧為載能束逐層熔化金屬絲材直至形成全焊縫金屬構件，因其制造成本低、成形效率高、材料利用率高等優(yōu)勢而備受推崇。成形尺寸的自動檢測與控制是推進電弧增材制造技術工程化應用、快速產業(yè)化必須解決的關鍵科學與技術挑戰(zhàn)。主要從成形工藝調控、過程在線監(jiān)測與控制角度闡述了國內外電弧增材制造成形控制技術的研究現狀，以紅外、電參數和視覺監(jiān)測原理為出發(fā)點，重點分析了現有電弧增材制造在線監(jiān)測與成形控制技術的研究進展與不足，提出了未來電弧增材制造成形在線監(jiān)測與控制技術的主要發(fā)展方向。

關鍵詞：電弧增材制造;成形工藝;在線監(jiān)測;閉環(huán)控制

0? ? 前言

金屬增材制造作為整個先進制造技術體系中最為前沿和最有潛力的技術，為應對航空、航天及國防軍工等現代化高端裝備中大型復雜金屬構件制造的技術挑戰(zhàn)，提供了一條綠色、高效、柔性、低成本的最佳新技術途徑[1]。著眼于奪取未來科技產業(yè)發(fā)展的戰(zhàn)略制高點和話語權，世界科技強國不約而同地將增材制造技術作為未來產業(yè)發(fā)展新的增長點，旨在通過科技創(chuàng)新推動社會發(fā)展[2]。我國政府于2015年頒布了實施制造強國的戰(zhàn)略規(guī)劃《中國制造2025》[3]，在十大重點領域中明確提出要重點發(fā)展增材制造工藝與裝備。可見，推進增材制造技術的快速健康發(fā)展迫在眉睫。

金屬增材制造熱源主要有激光[4]、電子束[5]和電弧[6]。其中，電弧增材制造（Wire and Arc Additive Manufacturing，WAAM）以電弧為載能束逐層熔化金屬絲材，適用于中大尺寸構件的高效近凈成形（效率可優(yōu)于500 cm3/h）[7]，具有激光、電子束送粉式增材制造無法比擬的成形效率與成本優(yōu)勢，因而應用前景誘人。電弧增材制造載能束可分為：鎢極氬?。℅as Tungsten Arc，GTA）、熔化極氣體保護電?。℅as Metal arc，GMA）和等離子?。≒lasma Arc，PA）。

雖然近年來電弧增材制造技術取得了長足進步，但其在金屬構件成形過程自動控制方面仍然面臨很大挑戰(zhàn)，其中絲材累積穩(wěn)定性與尺寸精度的控制已成為長期制約該技術發(fā)展和應用的瓶頸[8]。電弧增材制造的理想目標是成形尺寸的可控化，即每個成形道與分層切片模型尺寸完全吻合。然而在實際電弧增材制造過程中，每成形一層，焊槍提升一個模型切片層高。眾多擾動因素的作用，如：工藝參數波動、基板狀況、熱積累及前層成形狀態(tài)等，致使成形層尺寸與模型切片尺寸難以保證一致。鑒于缺乏合適的成形層尺寸在線監(jiān)測與自動控制策略，電弧增材制造過程存在強烈依賴人工干預、自動化程度低、金屬構件生長形狀與設計的三維模型難以完全吻合的問題，很大程度上限制了該技術的產業(yè)發(fā)展。由此可見，“ 成形穩(wěn)定性與生長尺寸精細化自動檢測與控制策略 ”是推進電弧增材制造技術工程化應用、快速產業(yè)化必須解決的關鍵科學與技術挑戰(zhàn)。

文中主要從成形工藝、過程在線監(jiān)測與控制等角度闡述了電弧增材制造成形控制技術的國內外研究現狀，分析了電弧增材制造成形在線監(jiān)測與控制研究中存在的主要問題，展望了未來電弧增材制造成形控制技術的發(fā)展方向。

1 工藝調控控制成形研究現狀

調控電弧增材制造成形工藝是一種有效控制成形精度的方法，除優(yōu)化基礎工藝參量外[9-10]，目前主流的研究手段有：工藝參數與成形尺寸建模、主動調控的手段降低成形熱積累及增減材復合制造。

建立成形尺寸的離線預測模型是一種可行的控制成形尺寸的方式[11-12]。哈爾濱工業(yè)大學Xiong等[11]基于回歸統(tǒng)計、神經網絡等數學方法建立了工藝參數與成形尺寸的關系模型（見圖1），該方法可提高成形精度，但電弧增材制造是一個多變量、強耦合、非線性的復雜系統(tǒng)，離線模型難以應對時變的電弧增材制造過程，且大多數離線模型沒有考慮基板狀況、多層堆積路徑及熱效應的作用，因而模型預測成形尺寸的精度有限。

采用主動調控手段降低成形熱積累并縮短層間等待時間，是一種有效提高薄壁件成形效率的途徑，主要方法有以下幾種：（1）基板通循環(huán)冷卻水[13] （見圖2a）。該方法可有效降低靠近基板處的成形層熱積累，但對遠離基板的成形層收效甚微。（2）成形層強制氣流冷卻[14] （見圖2b）。澳大利亞臥龍崗大學Wu等通入低溫氣體對即將凝固的成形層進行冷卻，可顯著降低成形層的熱積累并提高成形精度，但由于成形過程需要消耗大量低溫氣體，因此工藝相對復雜、制造成本較高。（3）水浴增材制造[15-16]（見圖2c）。烏貝蘭迪亞聯邦大學Scotti等[15]將基板置于工作水箱中，隨成形高度的增加，逐漸提升循環(huán)冷卻水位，該方法有望完全消除成形熱積累，然而成形件尺寸易受水箱大小的制約。（4）熱電制冷[17]（見圖2d）。北京工業(yè)大學Shi等將熱電制冷器緊靠薄壁件側壁，通過熱電效應制冷降低熱積累，但該技術僅適用于直壁結構，對復雜路徑的薄壁結構件難以奏效。

為進一步提高電弧增材成形制造精度，利用電弧增材與傳統(tǒng)銑削結合的復合增材技術[18-20]，即通過“ 增量 ”和“ 減量 ”工位頻繁切換實現構件生長精度的控制（見圖3），也是一種有效途徑，但其主要側重于金屬構件的精加工，且增、減材頻繁切換增加了制造成本和時間。

2 成形在線監(jiān)測與控制研究現狀

電弧增材制造是一個多變量、強耦合、非線性的復雜系統(tǒng)，建立其精確的理論解析模型十分困難。為提高成形精度，加強對這一過程的實時監(jiān)測與控制無疑是一種行之有效的方法。傳統(tǒng)的電弧焊接過程主要側重于焊縫熔透的監(jiān)測與控制，而電弧增材制造注重成形層寬度與高度尺寸的監(jiān)測與控制。目前，常用的成形傳感技術主要有紅外、電參數及視覺傳感。

2.1 紅外監(jiān)測與控制

紅外監(jiān)測在電弧增材領域的研究最早可追溯到1998年英國諾丁漢大學Spencer等[21]采用GMA熱源成形金屬構件，紅外測溫裝置對成形熱輸入進行控制，降低成形件表面粗糙度，如果層間溫度過高，則停止成形，待層間溫度降至設定值再繼續(xù)成形。值得注意的是，該方法雖然提高了成形精度，但反饋的信息量相對較少，同時大大降低了電弧增材的成形效率。2017年哈爾濱工業(yè)大學Yang等[22]采用紅外熱像儀捕獲了GMA增材制造過程溫度場（見圖4），發(fā)現增加層間等待時間可顯著提高堆積層成形精度。雖然紅外傳感可以顯示熔池與凝固金屬的輪廓信息，但其設備體積大、成本昂貴，需要準確的被測物體發(fā)射率參數，應用范圍受到一定限制。

2.2 電參數監(jiān)測與控制

電參數傳感通過采集電弧增材過程中的成形電流、電壓信號，從而間接表征成形過程的穩(wěn)定性[23]。2011年意大利卡塔尼亞大學Bonaccorso等[24]探討了弧壓傳感在GTA增材制造中應用的可行性，根據弧壓與弧長的線性關系，以弧壓（見圖5a）為被控量，送絲速度為控制量，設計了一個線性控制器（見圖5b），完成構件生長穩(wěn)定性的控制（見圖5c）。雖然弧壓是弧長的有效表征參量，但易受干擾且對弧長的分辨率較低，主要適用于控制精度要求不高的場合。

GTA因其設備成本低、電弧穩(wěn)定、電流與送絲分離可控、成形精度高等顯著優(yōu)點，已成為鈦合金[25]、鎳基合金[26]、鎂合金[27]及高強鋁合金[28]等金屬構件高品質電弧增材制造的主要熱源。GTA增材制造的最優(yōu)弧長一般在3～6 mm，對成形過程穩(wěn)定性控制要求更為苛刻。由于存在眾多擾動因素，難以保證成形層尺寸與焊槍提升高度一致，尤其是多層成形后，弧長波動較大，嚴重影響過程穩(wěn)定性與成形精度。如果弧長過短，絲材扎入固態(tài)堆積層，送絲受阻;倘若弧長過長，電弧能量分散，熔化的絲材呈大滴過渡，成形穩(wěn)定性急劇下降，導致后續(xù)成形終止。西南交通大學Xiong等[29-30]開發(fā)了GTA增材制造虛擬電弧電壓傳感系統(tǒng)，虛擬電壓表征成形高度且檢測滯后小，基于小波包分析算法對弧壓進行濾波（見圖6a），開發(fā)了PID-模糊復合控制器，提出了控制變量為熔絲量的控制策略，全面提升了GTA增材制造的穩(wěn)定性，針對交叉路徑結構件GTA增材制造交叉點處高度凸起難題（見圖6b），提出交叉路徑處自動減少填絲量的控制策略，實現交叉路徑處填絲量的自動閉環(huán)控制，有效提高了交叉路徑金屬結構件GTA增材制造成形穩(wěn)定性與過程自動化程度（見圖6c）。

2.3 視覺監(jiān)測與控制

視覺傳感憑借其成本低、信息量豐富、模仿人類視覺等優(yōu)點，成為電弧增材制造過程最具應用前景的傳感方式之一。視覺實時檢測與反饋閉環(huán)控制是提高電弧增材制造過程穩(wěn)定性和尺寸生長精度的有效方法。根據是否存在輔助光源，視覺傳感可分為激光主動視覺和被動視覺。激光主動視覺方面最具代表性的是2002年美國塔夫斯大學學者[31]開展的GMA增材制造監(jiān)測與控制的研究，通過投射激光條紋測量堆積層幾何形貌（見圖7a），采集條紋圖像（見圖7b），設計了雙輸入（堆積寬度和堆積高度）雙輸出（送絲速度和行走速度）自適應控制器，建立了Smith預估模型對成形尺寸進行補償。但由于激光條紋距離電弧中心為25.4 mm，致使檢測系統(tǒng)滯后大，且Smith預估模型在基板上建立，未考慮多層堆積熱效應的影響，因此模型補償效果有限，同時忽略了輸入輸出變量間的強耦合，難以大幅提高成形控制精度。2016年哈爾濱工業(yè)大學韓慶璘[32]基于激光視覺識別了厚壁構件GMA增材成形道輪廓信息，設計了PID控制器，對比了恒定參數和閉環(huán)控制效果（見圖8）。文獻[32]中激光條紋到電弧中心的距離為35 mm。

被動視覺傳感無需外加輔助光源，直接利用弧光的輻射照明熔池與凝固層區(qū)域[33]。2017年英國克蘭菲爾德大學Williams教授團隊[34]采用被動視覺在線測量了PA增材制造熔池幾何尺寸（見圖9）。2004年美國南衛(wèi)理公會大學Kovacevic 教授[35]利用被動視覺對鋁合金變極性GTA增材制造弧長進行監(jiān)控（見圖10），通過調節(jié)GTA槍的高度，實現成形過程弧長的恒定控制，然而該調控思想完全不符合電弧增材制造中堆積高度與模型切片高度保持一致的基本理念。

基于熔池難以及時凝固的特點，哈爾濱工業(yè)大學Xiong等[36]設計了雙被動視覺感知系統(tǒng)直接監(jiān)測GMA增材制造熔池尾部堆積層寬度與高度，如圖11所示，提取了堆積層特征尺寸，檢測位置距離電弧中心約18 mm，與文獻[31]相比，有效減小了檢測系統(tǒng)的滯后;設計了單神經元自學習控制器與自適應控制器，分別實現了成形層恒定寬度[37]、變寬度[38]、成形高度[39]的單變量控制，提高了成形過程穩(wěn)定性，尺寸控制精度優(yōu)于0.5 mm。

澳大利亞臥龍崗大學Xia等[40]采用被動視覺系統(tǒng)監(jiān)測GMA增材制造過程的熔池寬度參量，開發(fā)了圖像處理算法流程來提取熔池寬度信息，設計了模型預測控制器，通過在線調節(jié)成形電流，實現了層內變寬度的控制，如圖12所示。

西南交通大學Xiong等[41-42]設計了基于棱鏡折射的單CCD虛擬雙目立體視覺系統(tǒng)，開發(fā)了左右圖像相對立體視覺標定算法，研究了不同匹配算法對熔池三維形貌重建精度與效率的影響，突破了GMA增材成形質量三維在線監(jiān)測的技術瓶頸，設計了模糊控制器及其仿真系統(tǒng)，開展了成形寬度的閉環(huán)控制，如圖13所示?；谝簯B(tài)熔池表面波動大、凝固金屬表面振動小的特點，開發(fā)了一種連續(xù)圖像處理的GTA增材熔池與固態(tài)金屬界面識別算法[43]，設計了積分分離PID控制器算法及其參數仿真系統(tǒng)，實現了被動視覺監(jiān)測的GTA增材過程的穩(wěn)態(tài)控制[44]，如圖14所示。

3 結論與展望

電弧增材制造作為金屬增材制造技術的一個重要分支，特別適合大型復雜高端裝備結構件的制造，是需要大力發(fā)展的研究方向。電弧增材制造在成形控制方面的要求較傳統(tǒng)焊接過程更為苛刻，由于缺乏合適的成形層尺寸在線監(jiān)測與自動控制策略，成形過程強烈依賴人工干預，自動化程度低，如何促使其從“ 定性 ”走向“ 定量 ”，從“ 經驗 ”走向“ 科學 ”，從“ 開環(huán) ”走向“ 閉環(huán) ”，是今后研究工作的重點。文中主要總結了電弧增材制造成形在線監(jiān)測與控制研究進展，并指出今后尚需在以下幾個方面進行探索：

（1）需要大力開展電弧增材制造成形層熔池寬度與層高的多變量同步在線監(jiān)測與實時控制。

（2）開發(fā)簡單實用且適用于復雜空間曲面金屬構件電弧增材制造的在線監(jiān)測與控制策略。

（3）多層多道厚壁結構件電弧增材制造成形在線監(jiān)測與控制研究還尤為匱乏，需要進一步深入研究。

（4）考慮到單一傳感器智能感知信息受限，亟待深入開展多傳感信息融合的電弧增材制造成形質量預測與控制。

參考文獻：

王華明. 高性能大型金屬構件激光增材制造：若干材料基礎問題[J]. 航空學報，2014，35（10）：2690-2698.

黃衛(wèi)東.材料3D打印技術的研究進展[J].新型工業(yè)化，2016，6（3）：53-70.

國務院關于印發(fā)《中國制造2025》的通知[EB/OL]. [2015-05-08]. http：//www.gov.cn/zhengce/content/2015-05/19/content_9784.htm.

Gu D D，Xia M J，Dai D H. On the role of powder flow behavior in fluid thermodynamics and laser processability of Ni-based composites by selective laser melting[J]. International Journal of Machine Tools and Manufacture，2019（137）：67-78.

Cordero Z C，Meyer H M，Nandwana P，et al. Powder bed charging during electron-beam additive manufacturing[J]. Acta Materialia，2017（124）：437-445.

Ding D H，Pan Z X，Cuiuri D，et al. Wire-feed additive manufacturing of metal components：technologies，developm-ents and future interests[J]. International Journal of Advanced Manufacturing Technology，2015（81）：465-481.

Williams S W，Martina F，Addison A C，et al. Wire+arc additive manufacturing[J]. Materials Science and Technology，2016（32）：641-647.

Kazanas P，Deherkar P，Almeida P，et al. Fabrication of geometrical features using wire and arc additive manufacture

[J]. Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2012（226）：1042-1051.

Li Y J，Xiong J，Yin Z Q. Molten pool stability of thin-wall parts in robotic GMA-based additive manufacturing with various position depositions[J]. Robotics and Computer-Integrated Manufacturing，2019（56）：1-11.

Xiong J，Yin Z Q，Zhang W H. Forming appearance control of arc striking and extinguishing area in multi-layer single-pass GMAW-based additive manufacturing[J]. International Journal of Advanced Manufacturing Technology，2016（87）：579-586.

Xiong J，Zhang G J，Hu J W，et al. Bead geometry prediction for robotic GMAW-based rapid manufacturing through a neural network and a second-order regression analysis[J]. Journal of Intelligent Manufacturing，2014，25（1）：157-163.

Geng H B，Xiong J T，Huang D，et al. A prediction model of layer geometrical size in wire and arc additive manufacture using response surface methodology[J]. International Journal of Advanced Manufacturing Technology，2017（93）：175-186.

Yi H J，Kim J W，Kim Y L，et al. Effects of cooling rate on the microstructure and tensile properties of wire-arc additive manufactured Ti-6Al-4V alloy[J]. Metals and Materials International，2020，26（8）：1235-1246.

Wu B T，Pan Z X，Chen G Y，et al. Mitigation of thermal distortion in wire arc additively manufactured Ti6Al4V part using active interpass cooling[J]. Science and Technology of Welding and Joining，2019，24（5）：484-494.

Scotti F M，Teixeira F R，da Silva L J，et al. Thermal management in WAAM through the CMT Advanced process and an active cooling technique[J]. Journal of Manufacturing Processes，2020（57）：23-35.

段夢偉. 水浴GTA增材制造成形特性與工藝研究[D]. 江蘇：南京理工大學，2018.

Shi J B，Li F，Chen S J，et al. Effect of in-process active cooling on forming quality and efficiency of tandem GMAW-based additive manufacturing[J]. International Journal of Advanced Manufacturing Technology，2019（101）：1349-1356.

Nikam S H，Jain N K，Sawant M S. Optimization of parameters of micro-plasma transferred arc additive manufacturing process using real coded genetic algorithm[J]. International Journal of Advanced Manufacturing Technology，2020（106）：1239-1252.

Zhang S，Zhang Y Z，Gao M，et al. Effects of milling thickness on wire deposition accuracy of hybrid additive/subtractive manufacturing[J]. Science and Technology of Welding and Joining，2019，24（5）：375-381.

Ma G C，Zhao G，Li Z H，et al. Optimization strategies for robotic additive and subtractive manufacturing of large and high thin-walled aluminum structures[J]. International Journal of Advanced Manufacturing Technology，2019（101）：1275-1292.

Spencer J D，Dickens P M，Wykes C M. Rapid prototyping of metal parts by three-dimensional welding[J]. Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，1998，212（3）：175-182.

Yang D Q，Wang G，Zhang G J. Thermal analysis for single-pass multi-layer GMAW based additive manufacturing using infrared thermography[J]. Journal of Materials Processing Technology，2017（244）：215-224.

李玉龍，張華，張光云，等.基于TIG 堆焊技術的低碳鋼零件精密快速成形[J].焊接學報，2009（9）：37-40.

Bonaccorso F，Cantelli L，Muscato G. An arc welding robot control for a shaped metal deposition plant：modular software interface and sensors[J]. IEEE Transactions on Industrial Electronics，2011（58）：3126-3132.

Wang J，Lin X，Wang J T，et al. Grain morphology evolution and texture characterization of wire and arc additive manufac-tured Ti-6Al-4V[J]. Journal of Alloys and Compounds，2018（768）：97-113.

Wang J F，Sun Q J，Wang H，et al. Effect of location on microstructure and mechanical properties of additive layer manufactured Inconel 625 using gas tungsten arc welding[J]. Materials Science and Engineering：A，2016（676）：395-405.

Guo J，Zhou Y，Liu C M，et al. Wire arc additive manufactu-ring of AZ31 magnesium alloy：grain refinement by adjusting pulse frequency[J]. Materials，2016（9）：823.

Bai J Y，Fan C L，Lin S B，et al. Effects of thermal cycles on microstructure evolution of 2219-Al during GTA-additive manufacturing[J]. International Journal of Advanced Manufacturing Technology，2016（87）：2615-2623.

Zhu B B，Xiong J. Increasing deposition height stability in robotic GTA additive manufacturing based on arc voltage sensing and control[J]. Robotics and Computer-Integrated Manufacturing，2020（65）：101977.

Xiong J，Zhu B B，Chen H，et al. Peak elimination of cross structures in wire and arc additive manufacturing using closed-loop control[J]. Journal of Manufacturing Processes，2020（58）： 368-376.

Doumanidis C，Kwak Y M. Multivariable adaptive control of the bead profile geometry in gas metal arc welding with thermal scanning[J]. International Journal of Pressure Vessels and Piping，2002（79）：251-262.

韓慶璘. 弧焊機器人增材制造成形信息檢測及控制研究[D]. 黑龍江：哈爾濱工業(yè)大學， 2016.

陳華斌，孔萌，呂娜，陳善本.視覺傳感技術在機器人智能化焊接中的研究現狀[J]. 電焊機，2017，47（3）：1-7.

Comas T F，Diao C L，Ding J L，et al. A passive imaging system for geometry measurement for the plasma arc welding process[J]. IEEE Transactions on Industrial Electronics，2017（64）：7201-7209.

Wang H J，Jiang W H，Ouyang J H，et al. Rapid prototyping of 4043 Al-alloy parts by VP-GTAW[J]. Journal of Materials Processing Technology，2004（148）：93-102.

Xiong J，Zhang G J. Online measurement of bead geometry in GMAW-based additive manufacturing using passive vision[J]. Measurement Science and Technology，2013（24）：115103.

Xiong J，Zhang G J，Qiu Z L，et al. Vision-sensing and bead width control of a single-bead multi-layer part： material and energy savings in GMAW-based rapid manufacturing[J]. Journal of Cleaner Production，2013（41）：82-88.

Xiong J，Yin Z Q，Zhang W H. Closed-loop control of varia-ble layer width for thin-walled parts in wire and arc additive manufacturing[J]. Journal of Materials Processing Technology，2016（233）：100-106.

Xiong J，Zhang G J. Adaptive control of deposited height in GMAW-based layer additive manufacturing[J]. Journal of Materials Processing Technology，2014（214）：962-968.

Xia C Y，Pan Z X，Zhang S Y，et al. Model predictive control of layer width in wire arc additive manufacturing[J]. Journal of Manufacturing Processes，2020（58）：179-186.

Xiong J，Shi M H，Liu Y P，et al. Virtual binocular vision sensing and control of molten pool width for gas metal arc additive manufactured thin-walled components[J]. Additive Manufacturing，2020（33）：101121.

Yin Z Q，Xiong J. Stereovision measurement of layer geometry in wire and arc additive manufacturing with various stereo matching algorithms[J]. Journal of Manufacturing Processes，2020（56）：428-438.

Jun Xiong，Yupeng Pi，Hui Chen. Deposition height detection and feature point extraction in robotic GTA-based additive manufacturing using passive vision sensing[J]. Robotics and Computer-Integrated Manufacturing，2019（59）：326-334.

Jun Xiong，Guangchao Liu，Yupeng Pi. Increasing stability in robotic GTA-based additive manufacturing through optical measurement and feedback control[J]. Robotics and Computer-Integrated Manufacturing，2019（59）：385-393.