《Optics & Laser Technology》：Process-integrated self-sensing pulsed laser cleaning with ultrasonic monitoring for Surface-Integrity indication and abnormality mapping
编辑推荐：
摘要脉冲激光清洗锈蚀碳钢时存在工艺窗口狭窄的问题：能量不足会导致氧化物残留，而能量过高则会引起材料重新熔化，进而损害表面完整性。离线检测进一步限制了高效修复的实现。为此，我们开发了一种集成工艺的自感测脉冲激光清洗方法，通过硬件同步将振镜点扫描与420 kHz的非接触式超声检测相结
摘要
脉冲激光清洗锈蚀碳钢时存在工艺窗口狭窄的问题：能量不足会导致氧化物残留，而能量过高则会引起材料重新熔化，进而损害表面完整性。离线检测进一步限制了高效修复的实现。为此，我们开发了一种集成工艺的自感测脉冲激光清洗方法，通过硬件同步将振镜点扫描与420 kHz的非接触式超声检测相结合，从而生成空间注册的声学数据立方体，实时追踪激光与材料的相互作用状态。针对Q235钢材，我们采用了L9正交设计，改变激光能量密度（6.37–10.19 J/cm2）、脉冲频率（10–30 kHz）以及扫描重叠度（20–60%）。清洁效果通过氧含量、表面粗糙度（Sa）以及维氏显微硬度来量化。实验结果显示，氧含量从33.5 wt%降至5.5–18.0 wt%，表面粗糙度从9.16 μm降至1.11–4.21 μm，硬度则从193.6 HV（基体表面）上升至197.7–264.2 HV，这些变化都与激光引发的热机械效应一致。我们利用极端梯度提升模型对多维度声学特征进行分析，并结合SHAP解释方法，发现在受控的L9参数范围内，超声特征与表面完整性指标之间存在稳定关联，其中时间频率复杂度以及幅度/能量特征的影响最为显著。基于基准值的异常映射方法还识别出了与约0.3毫米厚的锈蚀划痕位置对应的高值区域，同时发现了扫描边界超出范围的情况，可作为工艺状态的辅助反馈，还能指示因焦点偏移导致的工艺偏差。该工作流程能够在激光除锈过程中实现与表面完整性相关的空间定位及异常识别，为离线检测和工艺评估提供了有效的补充。
引言
在基础设施、重工业以及再制造领域，碳钢表面的锈层极为常见。这些锈层会降低涂层的附着力，影响焊接质量，还会加速后续的腐蚀过程[1]。尽管机械研磨和化学酸洗等传统除锈方法仍被广泛使用，但它们存在选择性差、易造成二次污染以及可能损坏基体等缺点[2]。因此，脉冲激光清洗作为一种非接触式且环保的替代方案越来越受到关注，它能够实现空间选择性的能量传递[3]、[4]、[5]。然而，脉冲激光清洗涉及强烈的非线性激光-材料相互作用，其工艺窗口通常很窄，受材料特性和操作条件共同制约。能量不足会导致氧化物和弱结合的腐蚀产物残留，而能量过高则可能引起表面熔化/重新熔化、二次氧化以及微观结构损伤[6]、[7]、[8]。
在实际的激光清洗过程中，对于非平面或几何结构复杂的工件而言，要将处理表面保持在狭窄的工艺窗口内愈发困难。工作距离的局部变化会导致表面偏离焦平面，进而改变激光光斑大小和实际能量密度，使得表面处理效果不佳或不均匀。此前关于焦点偏移的纳秒级激光清洗以及曲面激光清洗的研究表明，焦点偏移距离以及光束与表面的几何关系会影响材料去除效果以及基体的反应情况[9]、[10]。这类工艺偏差对在线监测具有重要意义，因为激光加工过程中产生的声学信号包含了与激光-材料相互作用状态相关的信息[11]、[12]。从制造业的角度来看，激光除锈不应被视为简单的“干净与否”的判断问题。后续工序的可靠性以及最终产品的性能取决于多种定量表面完整性指标，比如表面粗糙度、由热循环引起的近表面硬度变化，以及因去除不彻底或重新氧化而产生的残余氧/氧化物含量[13]、[14]、[15]。而这些指标通常需要通过耗时的后期检测才能获得，这不仅会打断工作流程，还会限制修复效率[16]。因此，在狭窄的工艺窗口内操作脉冲激光清洗系统，就需要采用集成式的传感技术，能够提供与表面完整性指标相对应的空间分辨型实时反馈，从而在测试条件下实现更快速、更精准的工艺对比评估。
为了实现这样的反馈机制，在线传感系统需要捕捉决定氧化物去除和表面改性的瞬态物理现象。在各种可用的监测方式中，如光学发射、高温测量以及高速成像，声学/超声响应更具优势，因为它们直接源于激光引发的热机械现象，包括热膨胀、局部气化、反冲压力以及等离子体/冲击波带来的应力作用[17]、[18]、[19]。与纯光学技术相比，声学信号对烟尘遮挡的敏感度较低，而且可以使用体积小、成本低的硬件来实现[20]。此前在激光清洗及相关表面处理领域的研究表明，声学特征包含有助于区分不同去除阶段和加工模式的机制相关信息[21]、[22]、[23]。不过，现有的激光清洗声学/光声研究大多侧重于时间趋势分析、阶段/状态识别或单点测量，而非结合扫描位置的声学映射。这就限制了它们为具有异质性的锈蚀表面提供定位评估和全场可追溯性能力。
另一个重要障碍是将原始声学信号转化为可用于工艺控制的信息，而不仅仅是识别不同的加工模式。在激光制造监测领域，数据驱动模型已逐渐得到广泛应用[20]、[24]、[25]、[26]，但当特征参数与背后的物理现象之间的关联不明确时，仅靠精度是不够的。近期在激光粉末床熔融以及激光冲击强化领域的研究表明，可解释学习方法能够揭示对决策有影响的频率范围和特征敏感性，从而提高透明度并帮助制定更好的传感策略[27]、[28]、[29]。尽管取得了这些进展，但在脉冲激光清洗除锈过程中，除了简单的状态分类之外，基于空间映射的清洁后表面完整性变化分析仍缺乏足够的研究。
此外，锈蚀表面往往存在一些对修复决策和结构完整性至关重要的局部缺陷，比如划痕、凹坑以及微裂纹[30]。传统的处理流程通常将除锈和缺陷检测分开进行，这既降低了效率，也不利于及时发现问题。由于合金效应以及环境因素的影响，锈层本身具有明显的异质性，因此需要针对特定位置进行评估，而非依赖整体指标[31]。局部缺陷以及扫描边界超出范围的情况都是动态变化的，因此全局平均值往往无法准确反映实际情况。值得注意的是，在固定的传感方式和工艺参数下，同一样本内的声学特征通常具有空间连续性以及可重复的局部统计特性[21]、[27]。不过，局部缺陷、有效采样区域外的扫描边界超出情况以及其他工艺干扰都可能打破这种样本内的一致性。正因如此，当缺陷标签稀缺或种类繁多时，基于基准值的无标签异常映射方法就显得尤为重要[26]、[32]。
为解决上述问题，本研究提出了一种用于碳钢脉冲激光除锈的集成工艺自感测框架。该框架将高速非接触式超声检测与振镜点扫描硬件同步，从而获得与扫描位置对应的声学响应，并构建空间注册的声学数据立方体，便于后续分析。此外，我们还采用了基于块状的局部一致性表示方法对多维度声学特征进行组织，该方法既能反映局部响应强度，也能体现不同区域间的差异。在此基础上，我们运用XGBoost-SHAP模型作为可解释的声学特征与质量指标关联工具，分析同步获得的超声特征是否与微观硬度、表面粗糙度以及氧含量等离线测量的表面完整性指标存在关联。同时，通过识别样本内部一致性的异常，我们构建了一种基于基准值的无监督异常映射方法，能够在加工过程中识别出异常区域，比如被锈层覆盖的划痕、扫描边界超出范围的情况，以及因焦点偏移导致的工艺偏差。因此，该框架可视为在当前激光清洗参数范围内的一种可控批次的空间自感测及异常检测方法。
本研究的主要贡献如下：（i）一种与脉冲激光清洗扫描同步的点式、集成工艺的非接触式超声检测方案，能够实现具有位置标识能力的空间注册工艺数据采集，便于追溯；（ii）一种基于块状的局部一致性声学特征表示方法，它在降低点状噪声影响的同时，仍能保留与表面完整性相关的空间异质性信息；（iii）一种可解释的块级声学特征与质量指标关联以及无标签异常映射方法，能够在受控的激光清洗参数范围内实现以一致性为导向的质量评估以及工艺状态偏差检测。
章节要点
实验装置
图1(a)展示了用于评估脉冲激光除锈过程中非接触式实时声学信号采集可行性的实验系统。该系统采用了波长为1064纳米的Q开关Nd:YAG激光器（Wedge1064 HB_DB，Brightsolutions），其单脉冲最大能量为1毫焦，脉冲持续时间为10纳秒。激光光束被聚焦后形成的光斑直径约为100微米，最大脉冲频率为100千赫。光束导向装置……
表面形貌
图4展示了不同样品表面的扫描电子显微镜图像，从微观层面可以看出，在不同工艺参数下，这些样品的清洁效果存在明显差异。样品1、样品3、样品4以及样品5的表面相对平整且较为洁净，但也存在由激光能量引发的散在氧化物残留或熔化颗粒，同时还可见到烧蚀坑。这些特征与先前报道的激光清洗后的表面形貌一致……
结论
在本研究中，我们通过将振镜扫描与非接触式超声检测同步，构建了一种集成工艺的自感测脉冲激光清洗框架。该策略实现了激光与材料相互作用位置与对应声学响应之间的点对点对应关系，从而能够在对Q235碳钢进行激光除锈时构建空间注册的声学数据立方体。在所测试的L9参数范围内，实验结果表明，脉冲激光清洗……
CRediT作者贡献说明
王宝定：论文撰写——初稿撰写、软件应用、方法设计、实验研究、数据整理、概念构思。王同欣：论文撰写——审阅与编辑、初稿撰写、资源协调、实验研究、数据整理。毛华凯：结果验证、软件应用、实验研究。张国栋：结果验证、项目监督、项目管理、资金申请、概念构思。张军：结果可视化、结果验证、项目监督、项目管理、方法设计、实验研究。
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
我们要感谢中国国家自然科学基金的支持（项目编号：52371073）。同时，也要感谢华东师范大学的谢媛媛在本文撰写过程中给予的宝贵帮助和有益讨论。特别要感谢武汉大学物理与技术学院的傅强，他对本研究的实验工作提供了大力协助。
Baoding Wang|Tongxin Wang|Huakai Mao|Guodong Zhang|Jun Zhang
