DOI:10.14128/j.cnki.al.20264602.011
中图分类号:TN249
全文
文内图表
参考文献
出版信息
文内图表
球墨铸铁表面激光熔覆工艺优化及形貌预测模型研究
0 引言
球墨铸铁是以“球状”石墨颗粒形式嵌入金属的富碳铁合金,具有成本低、铸造性好、耐磨性好、可加工性好、力学性能好等特点[1]。球墨铸铁被广泛运用于现代风电齿轮箱,然而,在实际使用环境下,受到交变、冲击等载荷的破坏,球墨铸铁表面易产生磨损甚至失效,导致设备运行存在极大隐患[2]。传统焊接、喷涂等修复技术会导致热影响区域大、作用时间长,修复区域容易出现裂纹并产生大量马氏体、渗碳体等组织。目前,激光熔覆是一种新型的绿色环保技术,具有能量密度高、冷却速度快、对基体热影响小等优点[3]。由于温度梯度大,激光熔覆时可以在基体表面形成细晶粒、坚固的熔覆层[4]。在激光熔覆过程中,单道激光熔覆层是后续多层多道熔覆的基础,直接决定着整个熔覆层的质量,因此为满足现场修复要求,需要对单道熔覆层形貌进行预测,并确保力学性能不受影响[5]。
国内外学者对如何提高球墨铸铁再制造的力学性能、微观结构、温度场等方面进行了研究。Wang等[6]在球墨铸铁表面激光熔覆镍基合金熔覆层,增强了球铸铁表面耐蚀性。Arias-González等[7]通过在灰铸铁和球墨铸铁基底上光纤激光熔覆镍基合金熔覆层,发现在相同工艺参数下,灰铸铁样品润湿角高于铸铁样品,且镍基合金熔覆层硬度明显优于铸铁。Li等[8]将Fe-Ni-Cr合金粉末应用于球墨铸铁的激光熔覆工艺,制备的熔覆层具有良好的拉伸性和耐磨性。Park等[9]尝试在球墨铸铁基体上沉积高锰钢并分析不同磨损载荷和滑动速度下的磨损行为,得出磨损载荷20 N以下时球墨铸铁比高锰钢耐磨性更好。Zhang等[10]研究了激光合金化WC-12%Co和Cr3C2-25%NiCr粉末在球墨铸铁表面的特性、显微硬度与耐磨性。Fernández-Vicente等[11]通过激光表面处理技术硬化球墨铸铁表面,研究了激光处理对球墨铸铁表面组织、裂纹和应力的影响。
目前,激光熔覆工艺参数优化的方法主要为智能优化与试验设计优化。智能优化包括人工神经网络、遗传算法、粒子群等,试验设计优化包括田口法、正交法、响应面法(response surface methodology, RSM)等。Olakanmi等[12]采用中心复合设计和响应面法(RSM)建立激光熔覆Inconel-625复合熔覆层数学模型,优化复合熔覆层的质量特性。施毅等[13]将SVR-PSO算法运用到激光熔覆工艺参数优化中,并通过粒子群构建了决策分析模块。刘丽兰等[14]以在316L不锈钢表面制备无裂纹Ni60合金涂层为目标,建立多元回归预测模型并进行多目标优化,获得了最佳熔覆工艺参数组合。吴嘉祾等[15]采用遗传算法和粒子群算法对BP神经网络的权值进行优化,预测激光熔覆涂层的几何尺寸特征和横截面表面硬度。游志平等[16]提出一种多策略改进的蜣螂优化算法,探究激光熔覆工艺参数与熔覆层几何形貌之间的影响规律。郭星星等[17]基于快速非支配排序遗传算法(NSGA-II)多目标优化,研究27SiMn钢表面熔覆GS-Fe01铁基合金粉末的最优工艺参数。刘剑等[18]基于响应面法建立TC4钛合金的工艺参数与熔覆层宽高比数学模型,得出工艺优化区间。杨凯欣等[19]使用田口灰色关联法优化Fe06-15%Ti熔覆层形貌和微观组织,验证了田口灰色关联法的可靠性。
目前的研究主要集中于探究工艺参数对拉伸性能、熔覆层硬度等方面的影响,而基于智能优化方法对球墨铸铁表面激光熔覆层形貌的多目标优化研究较少。因此,本文引入响应面法与多目标粒子群算法(multi-objective particle swarm optimization,MOPSO),拟提出一种RSM与MOPSO集成的激光熔覆工艺参数优化方法。该方法使用响应面法进行试验设计,结合试验数据分别建立了工艺参数(激光功率、扫描速度、送粉速率)与熔覆层高度和润湿角的数学模型,并通过多目标粒子群优化算法建立了多目标熔覆层形貌的预测模型,预测了最佳工艺参数组合,同时优化了熔覆层高度和润湿角,并通过试验验证了预测结果的准确性。该研究结果为球墨铸铁表面激光熔覆再制造过程提供了参考。
1 试验材料与方法
1.1 试验材料
本文使用JPT-CW6000半导体激光器,最大功率为6 000 W,波长为1 080 nm。送粉器采用JRSF-12双筒送粉器,送粉喷嘴采用六通道喷粉并与垂直方向保持30°夹角。采用FANUC M-20iD六轴机器人系统控制激光头及喷嘴运动。水冷机型号为TFLW-6000。保护气为惰性氩气,在腔体及送粉线内循环以防止氧化。该激光系统如图1所示。
图1 激光熔覆系统
(a)示意图;(b)试验设备
Fig.1 Laser cladding system
(a)Schematic diagram; (b)experimental setup
基体材料为QT400-15球墨铸铁。试样尺寸为100mm×100mm×20mm,球墨铸铁屈服强度为250 MPa,极限强度为400 MPa。在试验开始前,用砂纸对基体表面打磨,去除表面粘砂及氧化层,确保基体表面粗糙度一致。QT400-15球墨铸铁显微组织由球墨铸铁成分见表1。粉末材料采用粒径为84～106 μm的Ni25合金粉末,粉末化学成分如表2所示。
表1 球墨铸铁QT400-15化学成分
Table 1 Chemical composition of QT400-15 ductile cast iron
MaterialCSiMnSPFeMass fraction/%3.4503.2300.1600.0120.028Bal.
表2 合金粉末Ni25化学成分
Table 2 Chemical composition of Ni 25 alloy powder
MaterialCCrSiBAlFeNiMass fraction/%0.2～0.510.0～15.01.5～2.50.8～1.80.1～0.5<7.0Bal.
样品采用电火花加工切割,测试表面垂直于熔覆层轨迹。然后用金相砂纸打磨,并用1 μm金刚石膏进行抛光,然后使用王水腐蚀熔覆层横截面。使用VH1102自动维氏显微硬度计,在测试载荷为100 g,持续10 s的情况下,测量熔覆层的显微硬度(HV)值。显微硬度取样点位于显微硬度样品界面之上。同时,两个显微硬度取样点之间的距离为0.5mm。此外,通过JEOL JSM-6400扫描电子显微镜(scanning electron microscope,SEM)进行高倍成像测量。
1.2 试验设计与分析方法
本文以激光功率(PL)、扫描速度(v)和送粉速率(FR)作为影响因素,为了获得合适的熔覆层形貌,选取润湿角(α)、熔覆层高度(H)作为熔覆层的几何特征来评价熔覆层形貌,如图2所示。本文选择熔覆层高度作为主要响应目标,这是基于现场实际修复要求,要求熔覆层的高度在0.7～0.9mm之间。同时,还选择了润湿角作为另一个响应目标。润湿角是评定熔覆层表面形貌的重要依据,过大或过小都会导致后续多道熔覆平整度降低,可能引发孔隙、裂纹等缺陷,从而导致形貌及质量不符合要求[20-21]。润湿角由式(1)定义:
(1)
图2 熔覆层横截面示意图
Fig.2 Cross-sectional schematic diagram of the cladding layer
式中:α为润湿角,(°);αL为左侧熔覆层角度,(°);αR为右侧熔覆层角度,(°)。
采用基于Box-Behnken设计的设计试验方案,评价一组受控试验因素与测量反应之间的相关性。试验由三因素三水平组成,如表3所示,其他所有参数在整个试验过程中保持不变,激光光斑直径为3mm,保护气流量设置为15 L/min,载气流量设置为6 L/min,送粉量通过测量粉末2 min内的质量获得。
表3 试验参数和水平
Table 3 Experimental parameters and level of factor
Level of factor-10+1Laser power PL/W1 0001 5002 000Scan speed v/(mm·s-1)369Powder feed rate FR/(g·min-1)4812
此响应采用二阶多项式响应面模型进行拟合:
(2)
式中:y为模型的预测响应值;β0为常系数;xi和xj为变量编码值;βi、βii和βij分别为线性效应、二次效应和交互效应的回归系数;k为变量数;
为统计误差。
多目标粒子群优化(multi-swarm particle swarm optimization,MOPSO)是一种具有记忆能力的全局随机搜索算法,具有收敛速度快、全局搜索能力强等特点[22]。在MOPSO中,每个粒子都具有自己的速度和位置。它们在搜索空间中寻找最优解,将其标记为个体极值,并与空间中的其他粒子共享信息。当粒子遍历整个空间后,根据当前的速度和位置不断更新,最终找到空间中的最优解。将每个粒子定义为工艺参数组合Xi = (PLi, vi, FRi),粒子在空间内以速度Vi飞行,即Pi(t)(个体最佳位置,pbest)和Gi(t)(全局最佳位置,gbest)。粒子的位置受当前位置和更新速度的影响。在第t次迭代时,粒子的位置和速度分别表示为xi(t)和vi(t)。每次的粒子速度调整与位置更新如式(3)和式(4)所示。
(3)
(4)
式中:ω为惯性权重;r1和r2是0～1生成的两个随机变量;C1和C2为学习因子,是平衡Pi(t)和Gi(t)的两个常系数。
采用动态密集距离法对pareto解集进行更新,本次含有两个目标函数,分别为熔覆层高度H(t)和润湿角α(t),则粒子t的密集距离I(ti)为:
(5)
式中:ti+1、ti-1为距离ti最近的两个粒子;H(ti)和α(ti)指粒子ti的目标函数值;Hmax和αmax为所有粒子目标函数的最大值。寻优过程如图3所示。
图3 基于多目标粒子群算法的工艺参数优化求解流程图
Fig.3 Flow chart of process parameter optimization based on multi-objective particle swarm optimization
2 分析与讨论
2.1 熔覆层高度
从表4中熔覆层高度(H)的方差分析结果来看,所选模型的P value值小于0.000 1,且Lack of fit的P value值大于0.05,激光功率(PL)、扫描速度(v)、送粉速率(FR)等均为显著模型项,说明模型的拟合精度较高,准确性可达99.99%,证明选择的模型合理。Adeq precision精度大于4,验证了模型的可靠性和可识别性高,表4中熔覆层高度预测模型的F value值为561.03,说明模型显著。
表4 熔覆层高度的方差分析
Table 4 Analysis of variance for the height of the cladding layer
SourceSum of squareDegree of freedomMean squareF valueP valueSignificanceModel2.480 090.280 0561.03<0.000 1SignificantPL0.017 010.017 034.770.000 6v1.710 011.710 03477.14<0.000 1FR0.320 010.320 0658.37<0.000 1PLv0.005 610.005 611.430.011 7PLFR0.068 010.068 0137.36<0.000 1vFR0.013 010.013 026.870.001 3Residual0.003 470.004 9Lack of fit0.002 130.000 72.150.237 1Not significantR20.998 6Adjusted R20.996 8Adeq precision78.021 0Predicted R20.985 5
所选模型的R2为0.985 5,表明试验值与预测值熔覆层高度相关。Adj R2与Pred R2均接近于1,两者差值小于0.2,可知该模型具有足够高的精度预测误差工艺参数,熔覆层高度与工艺参数的回归方程如式(6)所示:
(6)
首先,将经验模型预测的熔覆层高度与实际值进行对比,如图4(a)所示。由图可知,预测值与实测值吻合较好,实际值基本在直线附近,说明数学模型预测值与试验实际值吻合,模型精度较高。图4(b)显示了熔覆层高度的残差正态分布,检验组残差值分布在直线两侧,说明模型拟合较好。
图4 熔覆层高度预测模型
(a)预测与实际值对比图;(b)残差正态分布
Fig.4 Clad height prediction model
(a)Comparison of predicted and actual values; (b)residual normal distribution
图5为各个工艺参数对熔层高度影响的响应面图与等值线图。熔覆层高度随送粉速率与激光功率的增加而增加,并随着扫描速度的降低而降低。在较低的扫描速度和较高的送粉速率下,合金粉末与激光束的相互作用时间更长,所以熔覆层高度会不断增加。激光功率和扫描速度对熔覆层高度影响如图5(b)所示,在扫描速度越低时,更高的激光功率会降低熔覆层高度。高扫描速度结合低激光功率,会导致熔覆层高度显著下降。图5(c)显示了激光功率与送粉速率对熔覆层高度的影响。可以看出,当送粉速率小于8 g/min时,随着激光功率增加,观察到熔覆层高度降低的现象。当送粉速率大于8 g/min时,激光功率增加导致熔覆层高度逐渐升高。在图5(c)和(d)中,得出与文献[23]报道的激光功率增加时熔覆层高度降低,以及文献[24-25]报道的激光功率增加时熔覆层高度增加的结论不同(其结论都是只降低或者增加,但在实验过程中发现熔覆层高度的变化随多因素的变化,在某一阶段高度降低,另一阶段高度增加,因此需要利用响应面法进行分析)。这可能是由于激光功率增加了热输入率,在较低的扫描速度和送粉速率下,衬底获得更多的热量,激光与基体相互作用能量增加,导致Marangoni应力发生转变,表面流动将高温液态金属从熔池顶部携带进入到底部,从而使熔池变大并降低熔覆层高度[26]。相反,随着扫描速度和送粉速率的不断增加,激光与基体之间相互作用时间及能量减少,从而降低激光能量密度,并使熔覆层高度逐渐升高,所以通过单一因素的变化并不能描述熔覆层高度的变化规律。因此,通过响应面法得到的回归方程式来拟合熔覆层高度的变化规律。
图5 工艺参数对熔覆层高度的影响
(a)3D响应面图和等值线图;(b)PLv;(c)PLFR;(d)vFR
Fig.5 The influence of process parameters on the height of the cladding layer
(a)3D response surface plot and contour map ; (b) PLv; (c) PLFR; (d) vFR
2.2 润湿角
由润湿角方差分析表5可知,所选润湿角模型的P value值小于0.000 1,且Lack of fit的P value值大于0.05,说明模型的拟合精度高,PL、v、FR、PLFR、v FR是模型显著项,证明选择的模型合理。Adeq precision大于4,说明模型的精度高。表5中润湿角预测模型的F value值为35.29,满足此要求。所选模型的R2为0.978 4,表明试验值与预测值润湿角相关。Adj R2与Pred R2均接近于1,两者差值小于0.2,可知该模型具有足够高的精度预测误差工艺参数,润湿角模型如公式(7)所示。
(7)
表5 润湿角的方差分析
Table 5 Analysis of variance for the wetting angle
SourceSum of squareDegree of freedomMean squareF valueP valueSignificanceModel4609.280 09512.140 035.29< 0.000 1SignificantPL1821.970 011821.970 0125.55< 0.000 1v186.740 01186.740 012.870.008 9FR957.010 01957.010 065.95< 0.000 1PLv14.020 0114.020 00.970.358 4PLFR81.760 0181.760 05.630.049 3vFR93.940 0193.940 06.470.038 4Residual101.580 0714.510 0Lack of fit60.290 0320.100 01.950.264 0Not significantR20.978 4Adjusted R20.950 7Adeq precision20.010 0Predicted R20.881 5
图6(a)为预测值与实测值对比图,从图中可以看出实际值基本分布在直线附近,说明数学模型预测值与试验实际值吻合,模型的预测能力较好。图6(b)为润湿角的残差正态分布,可以看出试验结果的残差均匀分布在直线两侧,表明残差数据具有正态性,润湿角模型合理,能够有效地反映出工艺参数之间的相互作用关系。
图6 润湿角预测模型
(a)预测与实际值对比图;(b)残差正态分布图
Fig.6 Wetting angle prediction model
(a)Comparison plot of predicted and actual values; (b)residual normal distribution plot
图7为3D响应面图和等值线图。图7(a)所示的响应面图描述了工艺参数如何影响润湿角,随着激光功率增大,熔覆层润湿角的变化呈现先降低后上升的趋势,扫描速度的增加导致润湿角增大,送粉速率增加会降低润湿角大小。从图7(b)和(c)中可以看出,当激光功率低于1 300 W时,增加激光功率会导致单位时间内激光输入能量的增加,从而有利于Ni25粉末的充分熔化,激光辐射熔池能量不足,所以导致润湿角减小。当激光功率超过1 300 W时,随着激光功率增加,激光辐射到熔池的能量增加,导致熔池扩大,进而增大了润湿角。从图7(b)中得出,随着扫描速度增大,单位时间内激光作用时间缩短,提高了熔池的冷却速度,缩短了内部对流的作用时间,减慢了熔池上部的流动,使得润湿角增加。如图7(c)所示,送粉速率增大会导致润湿角降低。图7(d)为送粉速率与扫描速度的等值线图,扫描速度的增加虽然也会导致润湿角增大,但由于单位时间内的速度变化并没有过于剧烈,故对润湿角的影响较低。送粉速率增大会使更多的粉末对激光能量进行折射和吸收,降低作用到基体上的激光能量,使得润湿角降低。验证了图7(a)激光功率对润湿角的影响最大,能量减少导致熔池对流减弱,当熔覆层润湿角过小时,相邻单道熔覆层之间的重叠平整度会降低,这将导致更高的缺陷率。为了保证多层多道的熔覆层平整度,要求熔覆层尽可能平整,因为平整表面使再制造后熔覆层有二次加工余量。因此,合理的润湿角是控制激光熔覆层形貌的关键。
图7 工艺参数对润湿角的影响
(a)3D响应面图;等值线图;(b)PLv;(c)PLFR;(d)vFR Fig.7 The influence of process parameters on the wetting angle
(a)3D response surface plot; contour map; (b)PLv; (c) PLFR; (d) vFR
2.3 多目标粒子群优化结果
从图5(a)和图7(a)的结果可以看出,扫描速度和送粉速率的增大对两个响应目标的影响呈负相关,而激光功率的增大对两个响应目标的影响呈正相关。具体来说,扫描速度对熔覆层高度的影响最为显著,而激光功率则对润湿角的影响最为显著,但仅通过响应面模型无法同时优化熔覆层高度和润湿角。鉴于这一情况,需要利用多目标粒子群优化算法来同时优化这两个响应目标,以有效控制熔覆层的形貌。优化MOPSO激光熔覆的目标是110° ≤ α ≤ 130°和0.7mm≤ H ≤ 0.9mm。最大迭代次数为300,初始粒子数为100。两个目标的约束函数遵循式(6)和式(7)。图8显示了两个函数的Pareto解的分布情况。曲线光滑表明计算结果良好。这可能是由于从Pareto面来看,激光熔覆参数的最优解之一是PL=1 500 W,v=9mm/min,FR=16 g/min,可用于制备Ni25熔覆层。多目标粒子群优化结果分别为115°和0.86mm,实际激光熔覆层的润湿角为124°,熔覆层高度为0.78mm。润湿角误差小于8%,熔覆层高度误差小于10%。
图8 Pareto解的分布情况
Fig.8 Distribution of pareto solutions
2.4 熔覆性能检测
熔覆层形貌良好且质量良好才能够进行后续的加工处理,而合适的硬度及微观组织能够得到质量较高的熔覆层。图9为最佳工艺参数下熔覆层的显微组织。结果表明:熔覆层整体质量良好,没有发现裂纹,只有少量气孔。Ni25合金粉末在进行球墨铸铁件激光再制造时,由于碳元素微溶于镍,因此采用Ni25合金粉末时,界面区域的碳元素扩散能够得到很好的抑制,因此界面白口化能够得到有效地抑制。图9为熔覆层不同区域的截面形貌,可以看出,在界面附近有一层很薄的等轴晶区域,而之后熔覆层中间部位基本为典型的枝晶区,在顶部则为典型的等轴晶区。不同的组织生长形态反映了不同的冷却状态。在界面处,由于基体的良好的导热性,出现的是胞状晶或者等轴晶,而之后过冷度下降,生长方式变为枝晶状生长,生长方向大都指向熔覆层中间或者顶部位置。而在熔覆层的表面,由于和空气接触,冷却速度加快,过冷度增加,出现等轴晶生长。
图9 最优工艺参数下不同区域的形貌
(a)顶部微观结构;(b)中部微观结构;(c)结合区微观结构
Fig.9 Morphology of different regions under optimal process parameters
(a)Top microstructure; (b)middle microstructure; (c)combined zone microstructure
图10显示了熔覆区域显微硬度沿深度梯度的变化。熔覆层的平均显微硬度(409 HV)约为QT400-15球墨铸铁(176 HV)的2.3倍。硬度的增加是由于这些硬相分布在Ni固溶体中,弥散强化显著提高了熔覆层的硬度。从熔覆层顶部到基体界面的硬度呈下降趋势,这种现象被称为“分级”特征[27]。与球墨铸铁基体相比,Ni25粉末具有自溶性好、抗氧化性好、熔点低的特点。
图10 显微硬度沿深度梯度变化
Fig.10 Microhardness variation along depth gradient
3 结论
本文采用响应面法研究球墨铸铁表面激光熔覆工艺参数对熔覆层形貌的影响,结合改进多目标粒子群算法,采用动态距离来更新Pareto解集并用于指导种群最优粒子的选择,基于多目标粒子群优化算法预测熔覆层形貌,得出以下结论:
(1)熔覆层高度和润湿角的变化规律不仅受单一因素影响,而是由多个工艺参数相互作用的复杂动态过程。因此,通过定义优化模型,以熔覆层高度和润湿角表征熔覆层形貌作为优化目标,构建了响应面近似数学模型;
(2)利用多目标粒子群优化算法对工艺参数优化求解,以110°≤α≤130°和0.7mm≤H≤0.9mm为目标,获得最优工艺参数,通过预测值与实际值的对比,得到润湿角误差小于8%,熔覆层高度误差小于10%,能够很好地预测熔覆层形貌;
(3)Ni25熔覆层形貌良好,组织由细小致密的等轴晶和柱状树枝晶组成,界面白口化能够得到有效地抑制,熔覆层硬度控制在450 HV以内,证明所建模型对指导球墨铸铁表面激光熔覆形貌预测具有研究意义。
[1] DE SOUSA J A G, SALES W F, GUESSER W L, et al. Machinability of rectangular bars of nodular cast iron produced by continuous casting[J]. The International Journal of Advanced Manufacturing Technology, 2018, 98(9): 2505-2517.
[2] HÜTTER G, ZYBELL L, KUNA M. Micromechanisms of fracture in nodular cast iron: From experimental findings towards modeling strategies-A review[J]. Engineering Fracture Mechanics, 2015, 144: 118-141.
[3] 温飞娟, 陶诗美, 龙樟, 等. 工艺参数对24CrNiMo激光熔覆层组织及性能影响[J]. 应用激光, 2023, 43(8): 18-31.WEN F J, TAO S M, LONG Z, et al. Effects of process parameters on microstructure and properties of 24CrNiMo laser cladding coating[J]. Applied Laser, 2023, 43(8): 18-31.
[4] SHAMSAEI N, YADOLLAHI A, BIAN L K, et al. An overview of Direct Laser Deposition for additive manufacturing; Part Ⅱ: Mechanical behavior, process parameter optimization and control[J]. Additive Manufacturing, 2015, 8: 12-35.
[5] OCEL
K V, DE OLIVEIRA U, DE BOER M, et al. Thick co-based coating on cast iron by side laser cladding: Analysis of processing conditions and coating properties[J]. Surface and Coatings Technology, 2007, 201(12): 5875-5883.
[6] WANG R, OUYANG C, LI Q, et al. Study of the microstructure and corrosion properties of a Ni-based alloy coating deposited onto the surface of ductile cast iron using high-speed laser cladding[J]. Materials (Basel), 2022, 15(5): 1643.
[7] ARIAS-GONZ
LEZ F, DEL VAL J, COMESA
A R, et al. Fiber laser cladding of nickel-based alloy on cast iron[J]. Applied Surface Science, 2016, 374: 197-205.
[8] LI Y J, DONG S Y, HE P, et al. Microstructure characteristics and mechanical properties of new-type FeNiCr laser cladding alloy coating on nodular cast iron[J]. Journal of Materials Processing Technology, 2019, 269: 163-171.
[9] PARK Y K, HA K, BAE K C, et al. Mechanical properties and wear resistance of direct energy deposited Fe-12Mn-5Cr-1Ni-0.4C steel deposited on spheroidal graphite cast iron[J]. Journal of Materials Research and Technology, 2022, 19: 3484-3497.
[10] ZHANG D Y, LI Z W, FAN H W, et al. Microstructure and tribological properties of Fe-based laser cladding layer on nodular cast iron for surface remanufacturing[J]. Coatings, 2021, 11(8): 974.
[11] FERNNDEZ-VICENTE A, PELLIZZARI M, ARIAS J L. Feasibility of laser surface treatment of pearlitic and bainitic ductile irons for hot rolls[J]. Journal of Materials Processing Technology, 2012, 212(5): 989-1002.
[12] OLAKANMI E O, NYADONGO S T, MALIKONGWA K, et al. Multi-variable optimisation of the quality characteristics of fiber-laser cladded Inconel-625 composite coatings[J]. Surface and Coatings Technology, 2019, 357: 289-303.
[13] 施毅, 王贤琳, 张华, 等. 面向再制造激光熔覆工艺参数多目标优化策略[J]. 应用激光, 2022, 42(9): 23-29.SHI Y, WANG X L, ZHANG H, et al. Multi-objective optimization strategy for laser cladding process parameters in remanufacturing[J]. Applied Laser, 2022, 42(9): 23-29.
[14] 刘丽兰, 李思聪, 豆卫涛, 等. 316L不锈钢表面激光熔覆Ni60合金涂层的工艺优化与性能研究[J]. 中国激光, 2024, 51(16): 1602207.LIU L L, LI S C, DOU W T, et al. Process optimization and performance analysis for laser-cladding Ni60 alloy coating on surface of 316L stainless steel[J]. Chinese Journal of Lasers, 2024, 51(16): 1602207.
[15] 吴嘉祾, 祁文军, 王旭祥, 等. 基于不同算法的BP神经网络预测激光熔覆层几何特征与性能[J]. 应用激光, 2022, 42(10): 41-52.WU J L, QI W J, WANG X X, et al. Prediction on geometrical characteristics and properties of cladding layer based on BP network improved by different algorithms[J]. Applied Laser, 2022, 42(10): 41-52.
[16] 游志平, 马宏, 梁群, 等. 基于IDBO-KELM的汽车零部件激光熔覆几何形貌预测建模方法研究[J]. 应用激光, 2024, 44(3): 51-62.YOU Z P, MA H, LIANG Q, et al. Research on the modeling method for predicting the geometric shape of automotive parts using IDBO-KELM-based laser cladding[J]. Applied Laser, 2024, 44(3): 51-62.
[17] 郭星星, 帅美荣, 王建梅, 等. 基于NSGA-Ⅱ算法的激光熔覆单道成形工艺参数多目标优化[J]. 中国表面工程, 2023, 36(3): 87-100.GUO X X, SHUAI M R, WANG J M, et al. Multi-objective optimization of laser cladding single-pass forming process parameters based on NSGA-Ⅱ algorithm[J]. China Surface Engineering, 2023, 36(3): 87-100.
[18] 刘剑, 张津超, 朱清清, 等. 基于响应面法的TC4钛合金激光熔覆工艺参数优化[J]. 应用激光, 2023, 43(12): 1-8.LIU J, ZHANG J C, ZHU Q Q, et al. Process parameters optimization for laser cladding of TC4 alloy based on response surface methodology[J]. Applied Laser, 2023, 43(12): 1-8.
[19] 杨凯欣, 孙文磊, 肖奇, 等. 基于田口灰色关联法对Fe06-15%TiC熔覆层激光工艺参数的优化[J]. 材料导报, 2022, 36(24): 182-190.YANG K X, SUN W L, XIAO Q, et al. Optimization of laser process parameters of Fe06-15%TiC cladding layer based on taguchi grey correlation method[J]. Materials Reports, 2022, 36(24): 182-190.
[20] KERMANI F, SHOJA RAZAVI R, ZANGENEMADAR K, et al. Optimization of single-pass geometric characteristics of IN718 by fiber laser via linear regression and response surface methodology[J]. Journal of Materials Research and Technology, 2023, 24: 274-289.
[21] 俞晓文, 姚喆赫, 张操棋, 等. 多维高频振动对激光熔覆成形几何形貌的影响研究[J]. 表面技术, 2020, 49(10): 286-293.YU X W, YAO Z H, ZHANG C Q, et al. Effects of multi-dimensional high frequency vibration on geometrical morphology of laser cladding forming[J]. Surface Technology, 2020, 49(10): 286-293.
[22] HAN F, CHEN W T, LING Q H, et al. Multi-objective particle swarm optimization with adaptive strategies for feature selection[J]. Swarm and Evolutionary Computation, 2021, 62: 100847.
[23] GULLIPALLI C, THAWARI N, CHANDAK A, et al. Statistical analysis of clad geometry in direct energy deposition of inconel 718 single tracks[J]. Journal of Materials Engineering and Performance, 2022, 31(8): 6922-6932.
[24] NABHANI M, RAZAVI R S, BAREKAT M. An empirical-statistical model for laser cladding of Ti-6Al-4V powder on Ti-6Al-4V substrate[J]. Optics &Laser Technology, 2018, 100: 265-271.
[25] JELVANI S, SHOJA RAZAVI R, BAREKAT M, et al. Empirical-statistical modeling and prediction of geometric characteristics for laser-aided direct metal deposition of inconel 718 superalloy[J]. Metals and Materials International, 2020, 26(5): 668-681.
[26] KUMAR A, ROY S. Effect of three-dimensional melt pool convection on process characteristics during laser cladding[J]. Computational Materials Science, 2009, 46(2): 495-506.
[27] XUAN H F, WANG Q Y, BAI S L, et al. A study on microstructure and flame erosion mechanism of a graded Ni-Cr-B-Si coating prepared by laser cladding[J]. Surface and Coatings Technology, 2014, 244: 203-209.
