低温加工的增材制造铝合金的三维表面计量分析

《Precision Engineering》：Three-Dimensional Surface Metrology Analysis of Cryogenically Machined Additively Manufactured Aluminium Alloys

表面粗糙度与拓扑结构对增材制造铝合金性能的影响研究。通过干、MQL、空气及CO?低温冷却条件下的切削实验，利用Sensofar干涉仪测量Al-Si-10Mg合金的三维表面参数（Sa、Sq、Sz），发现低温冷却条件下表面最光滑（Sz=3.3-4.0 μm），验证了冷却条件对表面特性的显著影响。

　　

Munish Kumar Gupta

波兰奥波莱技术大学机械工程学院，76 Proszkowska街，45-758奥波莱

摘要

表面粗糙度和地形在决定增材制造（AM）铝合金的性能和可靠性方面起着关键作用，尤其是在经过机械加工后。本研究对在不同冷却条件下（包括干燥环境、微量润滑（MQL）、空气环境和低温CO₂环境）下加工的Al-Si-10Mg铝合金进行了全面的三维表面计量分析。使用Sensofar显微镜以干涉测量模式获取高分辨率的3D表面数据，评估了包括振幅、空间和混合粗糙度参数在内的所有参数，以及材料比例和体积参数以进行功能评估。结果表明，在切割速度为230–270 m/min时，平均粗糙度（Sa）保持在0.30 μm以上，而均方根粗糙度（Sq）介于0.45至0.50 μm之间，表明表面呈平滑且周期性的趋势。低温冷却产生了最精细的表面，其中在150–230 m/min时的Sz值为3.3–3.5 μm，在310 m/min时略有增加至3.9–4.0 μm。结果还显示，AM AlSi10Mg的表面形成机制受到冷却条件的显著影响，导致纹理方向、粗糙度分布和材料特性的变化。此外，改进的冷却条件提高了AM AlSi10Mg的表面完整性，这通过干涉测量得到验证，表现为更低的粗糙度值和优化的核心和谷部体积参数，这对耐磨和抗疲劳应用非常有利。

引言

近年来，增材制造（AM）作为一种先进技术，已用于生产复杂且形状精细的金属部件[1]。最常见的增材制造工艺是激光粉末床熔融（LPBF）工艺（也称为选择性激光熔化（SLM）[2]，该工艺使用铝、钛、钢和镍基合金等不同类型的金属粉末，应用于航空航天、生物医学、汽车及其他工业领域[3]。SLM具有多种优势，如设计灵活性、高材料利用率以及能够制造复杂几何形状[4]。然而，制造部件的机械性能和疲劳寿命可能受到其较差的表面完整性特征的影响，例如高表面粗糙度、孔隙率和残余应力[5]、[6]。此外，半熔融粉末的粘附、熔池溢出和飞溅颗粒也是导致表面粗糙度不佳的原因，包括不均匀的轮廓和缺陷[7]、[8]。因此，通常需要对SLM制造的部件进行后处理操作以改善表面和质量特性[9]。目前，采用各种后处理方法（如机械加工、抛光（机械和化学抛光）、激光喷丸和喷砂）来提升增材制造部件的质量[10]。其中，机械加工常用于精确去除表面不规则性、未熔化的颗粒以及SLM部件分层制造过程中产生的波浪形[11]。此外，机械加工后部件的功能性和承载能力也得到了显著提高，因为表面质量和尺寸精度得到了显著改善[12]。

由于对提高表面质量和更可靠地确定机械加工部件功能特性的持续需求，表面计量领域的研究工作显著增加[13]、[14]。这一点非常重要，因为增材制造部件的表面质量直接影响其机械强度、抗疲劳性、耐磨性和整体功能性能[15]、[16]。较差的表面完整性可能导致应力集中、过早失效和服务寿命缩短，尤其是在关键应用中。因此，通过机械加工改善表面特性对于确保增材制造的可靠性和扩大其工业应用范围至关重要。机械加工过程中产生的表面受工具轮廓、刀具路径以及各种干扰因素（包括刀具磨损、振动和热效应）的影响[13]。机械加工过程中产生的表面地形和纹理受切割系统的多个线性和非线性参数的影响，包括刀具几何形状、进给速度、切割速度、振动、颤振、热效应和材料不均匀性[13]、[17]。表面粗糙度、波浪度、层错和纹理方向是表面地形和纹理研究中经常评估的重要参数，以描述机械加工表面的功能和质量[13]。Kalami和Urbanic[18]提供了使用多轴刀具路径制造的增材制造部件的这些表面粗糙度参数的详细信息，如图1所示。

这些参数通常通过接触式和非接触式轮廓测量、3D表面扫描、原子力显微镜（AFM）和光学显微镜来测量，以获得准确和详细的表面信息[19]、[20]。Nieslony等人[21]采用了多种电磁测量方法（包括共聚焦融合、相干扫描干涉测量、共聚焦和焦点变化）来研究C45钢和黄铜的表面特性。作者使用不同的光颜色来评估它们对电磁表面映射的影响。结果表明，用蓝光扫描的50%的轮廓点与基础轮廓点匹配，无论表面颜色（钢或黄铜）如何。Maruda等人[22]研究了在不同冷却条件下加工的AISI 1045钢的表面特性，重点关注表面地形和应变硬化。功率谱密度分析证实，微量冷却润滑（MQCL）方法结合极压/抗磨添加剂能够产生更好的表面完整性，具有更均匀的峰谷分布、较低的粗糙度高度参数（Sa, Sp, Sv），以及清晰的进给痕迹。Szablewski[23]分析了使用不同切削工具加工的Inconel 718的表面地形和承载能力。使用Nanoscan 855设备分析了详细的表面参数，包括表面地形、Sp、Sv和Sz。结果表明，使用6160陶瓷刀片以250 m/min的切割速度和0.025 mm/rev或0.04 mm/rev的进给速度加工的表面显示出最低的Sa和Sq参数值。在另一项研究中，Podulka等人[24]精确分析了加工钛合金后的表面地形。作者观察到，现代非接触式测量技术（相对于基于探针的技术）速度更快，但对外部干扰（尤其是振动）非常敏感，这些干扰会在数据中产生高频噪声。这种噪声会导致粗糙度和其他表面纹理参数的失真。因此，作者提出了一种新的噪声提取方法来避免这个问题，与传统的多次测量并取平均值的方法（如ISO 25178推荐的方法）相比。为了从原始数据中去除测量噪声，作者采用了通用数学函数（即选择适当的函数阶数来分离和提取测量噪声），这些函数在表面计量中经常使用。最终，作者证明了所使用的方法符合全球标准，成功减少了噪声失真，并能够选择合适的数字滤波器。Niemczewska-Wójcik等人[25]分析了在干燥和湿润条件下加工的C45钢的表面地形。作者使用共聚焦和干涉测量模式的3D测量系统分析了加工表面，并通过扫描电子显微镜和立体显微镜对表面特征进行了表征。进一步评估了2D（Ra, Rq, Rp, Rv）和3D面积参数（Sa, Sq, Sp, Sv），以评估加工部件的表面质量。根据结果，共聚焦测量提供了更准确的表面地形表征，而湿润切削产生的表面质量更高，2D和3D粗糙度参数也更低。Leksycki和Królczyk[26]比较了三种光学测量系统（Sensofar S Neox 3D光学轮廓仪、Alicona Infinite Focus SL和Keyence VHX-6000数字显微镜）在干燥条件下加工钛合金的2D和3D表面参数的性能。结果显示，根据测量区域和所采用的模式，不同系统之间的测量差异高达约30%。作者还指出，Sensofar S Neox 3D在3D模式下的较大测量面积具有优势，而Alicona Infinite Focus SL和Keyence VHX-6000在2D模式下的较小测量面积更有效。

先前的研究表明，表面计量在理解包括镍基超合金、钛合金和钢在内的多种材料的表面形成机制和表面完整性方面取得了显著进展。此外，最新的光学和电磁测量技术（包括共聚焦显微镜、焦点变化和相干扫描干涉测量）被用于评估在不同冷却和机械加工条件下的表面特性。尽管许多研究已经考察了表面特性，但针对不同冷却环境下AM铝合金加工后表面特性的研究仍然有限。因此，本研究旨在使用Sensofar光学轮廓仪在干涉测量模式下，对在各种冷却环境下（包括低温冷却、微量润滑（MQL）、干燥和空气冷却）加工的Al-Si-10Mg铝合金进行详细和定量的表面计量分析。首先，研究了切割速度和冷却条件对3D表面粗糙度参数（Sa, Sq, Sz）和整体表面地形的影响。然后讨论了用于评估加工表面功能性能的材料比例和材料体积参数。详细的方法论和测量框架将在下一节中介绍。

材料、切削工具和加工设备的描述

本研究中使用了增材制造的Al-Si-10Mg铝合金进行铣削测试。样品是通过选择性激光熔化（SLM）工艺制备的，具体工艺参数包括激光功率500 W、扫描速度1875 mm/s、层厚0.06 mm、步进距离0.09 mm和激光光斑尺寸0.075 mm。为了最小化残余应力，采用了条带扫描方法，并将粉末床加热到170 °C。

表面纹理表征

为了研究切削参数和冷却条件对表面精加工的影响，根据ISO 25178标准，考虑了最重要的表面纹理参数，即均方根（RMS）高度Sq、算术平均高度Sa和面积峰谷高度Sz（Sp + Sv）[28]、[29]： $$$$ 其中：A是定义的面积，z是坐标x和y处的表面高度

结论

本研究重点分析了在不同条件下加工的Al-Si-10Mg铝合金的3D表面。基于研究结果，得出以下结论：

• •
  表面纹理参数受到切割速度的显著影响。在低速下，由于摩擦和犁削作用以及积边（BUEs）的形成，Sa和Sq会增加。在大约230-270 m/min的速度下，稳定的剪切作用将粗糙度降低到约0.30 μm和0.45-0.50 μm

局限性和未来工作

由于本研究仅使用了铝合金（AlSi10Mg），因此可能难以将这些发现应用于其他材料和加工设置。此外，由于研究仅关注表面地形和粗糙度指标，因此表面完整性与机械性能之间没有直接关系。未来的工作将包括额外的性能指标，如残余应力、显微硬度和耐磨性、疲劳行为，以扩展研究范围

生成式AI和AI辅助技术的声明

作者确认本文的思想和内容是原创的。在准备本文期间，使用了GPT 4.1和Grammarly的高级版本来改进语言。使用该工具/服务后，作者根据需要审查和编辑了内容，并对发布的内容承担全部责任。

资助

本文得到了欧盟REFRESH – Research Excellence For Region Sustainability and High-tech Industries项目（项目编号CZ.10.03.01/00/22_003/0000048）的支持，该项目通过Just Transition运营计划提供资金。

致谢

作者感谢Piotr Nieslony教授、Roman Chudy博士和Piotr L?schner博士在实验中的协助。