卓金管件有限公司自动化平板堆焊的单层多道焊缝表面平整度研究——文献学习体会
文献概况与技术背景
权国政等（2020）发表于《塑性工程学报》第27卷第10期（203-211页）的这篇论文，围绕大型电弧熔丝增材制造（Wire Arc Additive Manufacturing, WAAM）中原型设备的单层多道焊缝表面平整度问题，开展了系统的工艺参数优化研究。该研究受国家重点研发计划项目（2018YFB1106502）、国家工业强基工程（TC180A3Y1/18）等多项基金资助，由重庆大学材料科学与工程学院与重庆杰品科技股份有限公司、重庆大江杰信锻造有限公司合作完成。
电弧熔丝增材制造是一种基于电弧焊原理的快速成形技术，通过逐层堆焊金属丝材来制造三维金属零件或大型构件。在大型平板堆焊（如船舶甲板、压力容器封头、大型模具底板等）中，单层多道焊缝的表面平整度直接影响后续加工精度和构件的使用性能。
单层单道实验与BP神经网络模型
试验设计与模型构建
作者基于自主研制的大型电弧熔丝增材原型设备，采用CN645ACW型焊丝（一种低合金高强钢焊丝），设计开展了64组单层单道熔丝增材实验。通过系统改变电压、送丝速度和焊接速度三个关键工艺参数，构建了焊缝宽度和高度对应工艺参数的BP神经网络（Back Propagation Neural Network）模型。
BP神经网络模型的优势在于能够处理多输入、多输出的非线性映射关系，对于焊接工艺参数与焊缝成形之间的复杂关系具有较好的拟合能力。64组实验数据的规模对于训练一个三输入两输出的BP神经网络而言是充分的，可以期望模型具有较好的泛化能力。
工艺参数的反向锁定
基于构建的BP神经网络模型，作者反向锁定了特定焊缝宽度和高度对应的增材工艺参数。这一"正向建模+反向求解"的思路是增材制造工艺优化的常用方法，其核心优势在于：
- 避免了传统的试错法（Trial and Error）所需的大量实验；
- 能够同时满足多个目标参数（如宽度、高度）的约束；
- 为后续多道堆焊提供了精确的单道工艺参数基础。
单层多道实验与表面平整度分析
实验设计
在单层单道实验的基础上，作者进一步开展了36组不同焊缝高度、焊缝宽度和焊缝间距的单层多道电弧熔丝增材实验。实验变量包括：
| 变量 | 变化范围 | 水平数 |
|---|---|---|
| 焊缝高度 | 多个水平 | 若干 |
| 焊缝宽度 | 多个水平 | 若干 |
| 焊缝间距 | 多个水平 | 若干 |
表面平整度的影响因素
作者建立了焊缝表面平整度的BP神经网络模型，分析了焊缝形状和间距对表面平整度的影响。主要结论如下：
1. 焊缝宽度、高度和间距对平整度的影响趋势
增大焊缝宽度、高度及间距，表面平整度值呈现增大趋势。这里的"平整度值"应理解为表面不平度的度量值，值越大表示表面越不平整。这一趋势的物理机理是：
- 焊缝宽度增大——单道焊缝的熔敷面积增大，相邻焊缝之间的搭接率降低，表面起伏增大；
- 焊缝高度增大——熔敷金属的堆积量增大，表面波纹幅度增大；
- 焊缝间距增大——相邻焊缝之间的间隙增大，表面凹陷加深。
2. 小倍数与大倍数焊缝间距的差异化影响
文献发现了一个重要的非线性特征：在小倍数焊缝间距（即焊缝间距与焊缝宽度的比值较小，搭接率较高）情况下，表面平整度值的增大趋势随着焊缝宽度和间距的增大而增大；而在大倍数焊缝间距（搭接率较低）情况下，增大趋势反而有所下降。
这一现象可以用以下机理解释：在小倍数间距下，相邻焊缝之间存在显著的搭接，焊缝之间的熔合质量对表面平整度有重要影响，焊缝宽度增大时搭接区域的熔合不均匀性加剧，导致平整度显著恶化。在大倍数间距下，焊缝之间基本独立，搭接效应减弱，表面平整度主要由单道焊缝自身的形状决定，因此增大趋势放缓。
3. 堆积效应
文献指出，在相同焊缝间距下，焊缝平整度值主要由熔丝增材的堆积效应决定。焊缝宽度和高度越大，堆积效应越明显，表面平整度越差。堆积效应是指多道焊缝逐层堆叠时，由于每道焊缝的成形不一致性，误差逐层累积，导致表面平整度随堆焊道数增加而恶化。
工程实践启示
大型平板堆焊的工艺优化策略
基于文献的研究结论，大型平板堆焊的表面平整度优化应采取以下策略：
- 控制单道焊缝尺寸——在保证熔敷效率的前提下，适当减小单道焊缝的宽度和高度，以降低堆积效应；
- 优化焊缝间距——选择合适的焊缝间距与焊缝宽度的比值，避免搭接不足或过度搭接；
- 采用补偿算法——利用BP神经网络模型预测每道焊缝的成形偏差，并通过调整后续道次的焊接轨迹进行补偿；
- 多层堆焊的层间平整度控制——每完成一层堆焊后，进行表面平整度检测，及时调整下一层的起始参数。
增材制造与传统堆焊的对比
| 对比项 | 电弧熔丝增材制造 | 传统堆焊 |
|---|---|---|
| 工艺控制 | 数字化、自动化程度高 | 依赖操作者经验 |
| 表面平整度 | 可通过算法优化 | 难以精确控制 |
| 参数追溯 | 完整记录 | 记录有限 |
| 适用场景 | 大型平板、复杂构件 | 局部修复、小面积堆焊 |
| 设备投入 | 较高 | 较低 |
表面平整度的评价方法
文献采用BP神经网络模型对表面平整度进行评价，这是一种数据驱动的方法。在实际工程中，表面平整度的评价还可以采用以下方法：
- 表面粗糙度仪测量Ra、Rz等参数；
- 激光扫描三维形貌分析；
- 平板直尺检测最大间隙；
- 光学平面度仪测量。
不同评价方法适用于不同的应用场景，应根据实际需求选择合适的组合。
学习心得
这篇文献的核心贡献在于将BP神经网络这一技术资料方法应用于电弧熔丝增材制造工艺优化，实现了对焊缝成形和表面平整度的预测与控制。虽然本文不涉及AI技术的讨论，但从方法论角度看，数据驱动的工艺优化思路对传统焊接工艺改进具有重要借鉴意义。文献揭示的堆积效应规律和焊缝间距的非线性影响特征，为大型平板堆焊的工艺制定提供了定量依据。在工程实践中，表面平整度的控制是一个系统工程，需要从单道参数优化、多道轨迹规划、多层累积误差控制等多个层面协同优化，才能满足高精度要求。