水射流引导激光对镍基超级合金表面微缺陷影响的机理分析

《Journal of Materials Research and Technology》：Mechanistic Analysis of Waterjet-Guided Laser Effects on Surface Micro-defects in Nickel-Based Superalloys

　　李代旭|费星
材料科学与工程学院，东北大学，文华路，和平区，沈阳，110819，辽宁省，中国

摘要
涡轮叶片中气膜孔的热性能和机械性能在航空航天应用中起着至关重要的作用，并直接影响发动机的可靠性。这些性能受到制造过程中引入的微缺陷的强烈影响。与传统的干激光加工相比，水射流引导激光（WJGL）加工在减少热损伤（TD）方面表现出优势；然而，其影响微缺陷形成的机制仍不夠明确。在这项研究中，采用了响应面方法（RSM）来探讨WJGL加工参数对镍基单晶超合金热损伤的影响。建立了经验回归模型来描述加工参数与响应变量之间的关系，预测误差低于2%，表明与实验结果吻合良好。结果显示，在低热输入条件下，增加水压可以显著减少热损伤，350巴的压力使再熔化层厚度比150巴时减少了约20%。还发现孔的几何形状会影响水射流的稳态行为，较小的直径与深度比会导致再熔化层厚度增加。此外，优化加工参数有效抑制了界面处的氧化和微裂纹形成，实现了约2微米的再熔化层厚度。这些发现为减少涡轮部件制造中的热缺陷提供了实际指导并加深了理解。

1. 引言
镍基单晶超合金以其出色的高温强度和耐腐蚀性而闻名，使其在航空航天和能源行业中不可或缺[1][2][3]。这些材料广泛用于涡轮叶片中，其中精确制造气膜冷却孔对于提高热效率和确保运行可靠性至关重要[4][5][6]。然而，传统的加工技术（如激光加工和电火花加工（EDM）常常会导致热损伤，包括氧化层、再熔化区和热影响区（HAZ）[7][8][9]，如图1所示。这些缺陷会在材料内部产生微裂纹和空洞，降低其高温强度并缩短复杂几何形状部件的疲劳寿命[10][11][12]。应对这些挑战需要开发既能实现高精度又能最小化热效应的制造技术。

下载：下载高分辨率图像（358KB）
下载：下载全尺寸图像

图1. 激光加工去除机制；(a) 激光加工示意图；(b) 加工缺陷分布

WJGL加工作为一种先进的制造技术，因其出色的精度和效率而受到广泛关注[13][14]。通过将高能激光束与层流水射流结合，WJGL生成具有卓越聚焦度和稳定性的平行加工光束[15][16]。这种混合方法便于加工镍基超合金和单晶硅，同时有效缓解热积聚并减少热缺陷[17][18][19]。水射流的冷却效果降低了表面温度，从而限制了HAZ的厚度，减少了氧化残留物，并有效排出了熔融材料[20][21][22][23][24]。这些优势使WJGL成为加工高性能材料的传统激光和EDM技术的有力替代品[25][26]。

响应面方法（RSM）是一种广泛应用于工程、制造和科学研究的统计和数学方法，用于建模和优化多变量系统。它包括实验设计、数据收集和构建回归模型来分析自变量与响应变量之间的关系，最终确定最佳条件[27]。RSM通常使用多项式回归模型（例如二次模型）来拟合实验数据，并利用等高线图和3D表面图等可视化工具来分析变量相互作用并确定最佳参数设置。其主要优点在于能有效减少实验工作量，同时提供对系统行为的深入理解，从而促进有效的工艺优化和性能改进。

响应y受自变量X1和X2的控制，可以表示为X1、X2和实验误差项D的函数。该误差项捕获测量不准确性和未建模的系统变化，通常假设遵循均值为零、方差为S2的正态分布。在大多数RSM应用中，真实的响应函数f是未知的。为了近似f，通常在局部区域内使用低阶多项式。当响应与自变量呈线性关系时，使用一阶模型。对于有两个自变量的系统，一阶模型表示为：
(1)

变量X1和X2是响应Y所依赖的自变量。k表示输入变量的数量，β0是截距系数，βk表示线性项的系数。因变量y是X1、X2和实验误差项?的函数。如果响应表面观察到曲率，则需要更高阶的多项式，例如二阶模型。对于有两个变量的系统，二阶模型表示为：
(2)
其中Y表示预测输出值，Xi和Xj是输入变量，k表示输入变量的数量，β0是截距系数，βi是线性项的系数，βii是平方项的系数，βij是交互项的系数，?表示观测中的实验误差。

本研究旨在系统地探讨WJGL加工参数（包括单脉冲能量（SPE）、水压（WP）、直径与深度比（D/D）和扫描速度（SS）对镍基单晶超合金微观特征的影响。通过结合响应面方法（RSM）和先进的微观表征技术，这项工作探讨了缺陷形成和再熔化层演化的机制。研究结果为优化WJGL加工参数、减少热损伤（TD）和提高超合金组件在高温应用中的机械性能提供了宝贵的理论见解。除了工艺优化外，了解表面微缺陷（如再熔化层、微裂纹和气体诱导孔隙）的形成和演化机制对于提高镍基超合金的性能至关重要。然而，激光能量输入、水射流动力学和缺陷形成之间的相互作用仍不夠明确。因此，本研究不仅建立了预测模型，还提供了关于WJGL加工过程中热输入、流体动力学和材料响应之间耦合效应的机理见解，有助于理解缺陷的形成和抑制。

2. 实验
2.1. 材料
实验使用了直径为15毫米的圆形镍基单晶超合金（DD6）板材。材料的化学成分和物理性质见表1和图2。加工前，所有样品均用无水乙醇清洗并经过超声清洗，以确保表面无污染。

表1. DD6单晶超合金的化学成分
元素 Cr Co W Mo Al
质量分数（%） 7.9 4 8.0 3 5.8
元素 Ta Re Hf Ni 其他
质量分数（%） 7.6 8 2.9 8 0.1 7 6 2.5 6 0.3 3

下载：下载高分辨率图像（434KB）
下载：下载全尺寸图像

图2. DD6超合金的微观结构

2.2. WJGL设备和参数
本研究使用的WJGL加工系统是瑞士Synova公司开发的LCS-305。该系统集成了一个波长为532纳米、最大功率为100瓦、重复频率高达50千赫的纳秒Nd:YAG激光器。激光光斑在焦平面处的尺寸约为30微米（具体取决于设备规格）。根据光斑尺寸和脉冲能量，相应的激光能量密度（辐照度）估计在230–350焦耳/平方厘米的范围内。液压泵输送过滤后的水，形成直径为60微米的层流同轴水射流，将激光束导向材料表面。这种配置减少了热积累，减轻了热损伤，并确保了高加工精度。WJGL系统配备了一个五轴运动平台，可以实现精确定位和复杂的三维加工。加工过程中使用了1牛顿/分钟的氦气流以防止氧化。WJGL系统的示意图及其关键组件和加工流程如图3所示。

下载：下载高分辨率图像（407KB）
下载：下载全尺寸图像

图3. WJGL加工系统的示意图

为了系统地探讨工艺参数对加工性能的影响，本研究采用了Box-Behnken响应面方法（RSM）进行实验设计。选择了四个关键参数：单脉冲能量（SPE）、水压（WP）、直径与深度比（D/D）和扫描速度（SS）。在参数选择之前进行了单因素实验设计，以评估脉冲能量、水压、扫描速度、加工高度和直径与深度比的影响。确定的关键影响因素是脉冲能量、水压、扫描速度和直径与深度比。脉冲能量控制峰值功率大小和热输入——这是水射流引导激光加工的关键参数。值得注意的是，直径与深度比决定了加工过程中的水射流稳定性，进一步强调了其重要性。

通过初步研究确定的参数水平旨在全面覆盖对微观结构表征和加工性能有显著影响的数值范围。详细参数设置见表2。

表2. WJGL加工优化的实验参数
参数 符号 单位 水平(-1) (0) (1)
单脉冲能量 SPE (A) 米焦耳 345
水压 WP (B) 巴 150 250 350
直径与深度比 D/D (C) -0.2 0.3 0.4
扫描速度 SS (D) 毫米/秒 23 4

2.3. 实验程序
加工过程在一个固定平台上进行，工件被牢固夹紧。使用了直径为0.6毫米的孔，这是涡轮叶片冷却孔的标准尺寸。激光束通过同轴水射流精确聚焦在材料表面，同时冷却和净化工件。表3展示了在设计DOE条件下重复实验获得的平均消融效率（AE）和热损伤（TD）值。热损伤（TD）是通过横截面SEM观察测量的氧化层、再熔化层和热影响区的总厚度计算得出的。为了更有效地量化激光加工引起的热缺陷，引入了“热损伤”这一变量，表示热影响区、再熔化层和氧化层的总厚度。每个实验条件重复三次以确保可靠性，报告的消融效率（AE）和热损伤（TD）值代表这些测量的平均值。

表3. 实验设计（DOE）矩阵
运行编号 SPE (mJ) WP (bar) D/D (C) SS (D) AE (mm3/min)
1 15 250 0.2 3 3.5
2 25 0 3 3 1.2
3 25 0 3 2 3.2
4 25 0 3 2 4.1
5 25 0 3 2 4.6
6 25 0 3 2 7
7 25 0 3 2 8
8 25 0 3 2 9
9 25 0 3 2 4
10 25 0 3 2 6
11 25 0 3 2 8
12 25 0 3 2 9
13 25 0 3 2 7
14 25 0 3 2 9
15 25 0 3 2 4
16 25 0 3 2 7
17 25 0 3 2 9
18 25 0 3 2 8
19 25 0 3 2 9
20 25 0 3 2 4
21 25 0 3 2 6
22 25 0 3 2 7
23 25 0 3 2 8
24 25 0 3 2 9
25 25 0 3 2 4
26 25 0 3 2 7
27 25 0 3 2 8
28 25 0 3 2 9
29 25 0 3 2 4
30 25 0 3 2 5
31 25 0 3 2 6
32 25 0 3 2 7
33 25 0 3 2 8
34 25 0 3 2 9
35 25 0 3 2 4
36 25 0 3 2 5
37 25 0 3 2 6
38 25 0 3 2 7
39 25 0 3 2 8
40 25 0 3 2 9

3.4. 微观结构表征
使用多种先进技术对加工样品的微观结构特征进行了研究。使用扫描电子显微镜（SEM）观察表面形态，可以详细可视化表面特征，如隆起、气泡和再熔化层。为了测量表面粗糙度，采用了原子力显微镜（AFM），生成了加工表面的三维轮廓，揭示了加工参数对表面地形的影响。

能量分散X射线光谱（EDS）与SEM系统集成，用于分析加工样品微区内的元素分布。该分析针对再熔化层和气泡区域，揭示了氧气和其他基体元素的存在及其在加工过程中的氧化和气泡形成中的作用。还分析了横截面形态，以评估热应力和冷却速率对再熔化层和整体结构完整性的影响。这些分析为加工参数、材料微观结构及加工诱导缺陷的机制提供了宝贵的见解。

为了量化热损伤（TD），使用扫描电子显微镜（SEM）分析了加工样品的横截面形态。TD定义为氧化层、再熔化层和热影响区（HAZ）的总厚度。这些层是根据其形态和成分特征区分的。通过能量分散X射线光谱（EDS）分析确认了氧化层。再熔化层的特点是致密的再固态微观结构，与基体有明显的边界。HAZ被识别为没有熔化迹象的微观结构变化区域。使用图像分析软件从SEM横截面图像中测量了各层的厚度，通过叠加这三个区域的厚度获得了总TD值。

3. 回归建模和分析
3.1. 消融效率（AE）
从方程（4）得到的AE响应面二次模型的ANOVA结果见表4。该模型具有较高的F值48.62，表明其统计显著性很强。考虑到噪声的影响，获得较大F值的概率仅为0.01%。F值的“Prob > F”值低于0.05的模型项被认为是显著的；在这种情况下，A、B、C、AC、A2、B2和D2符合条件。相反，值超过0.1的项是不显著的。大量不显著的项表明模型可以简化。缺乏拟合的F值为3.4，与纯误差相比在统计上不显著，由于噪声导致较大F值的概率为47%。对于模型的可靠性而言，不显著的缺乏拟合是可取的。

表4. DD6单晶超级合金WJGL的二次模型ANOVA
| 来源 | 平方和 | df | 均方 | F值 | p值 | Prob > F |
|--------------|------------|------------|-------------|-----------|---------|
| 空单元 | | | | | |
| 模型 | 2.1608 | | 83E-03 | 140.00 | 0.0001 | < 0.0001 |
| A-SPE | 1.4089 | | 8E-03 | 10.001 | 443.82 | < 0.0001 |
| B-WP | 1.2620 | | 4E-04 | 10.0001 | 39.7536 | < 0.0001 |
| C-D/D | 4.4135 | | 8E-04 | 10.0004 | 139.0256 | < 0.0001 |
| D-SS | 5.3803 | | 37E-06 | 15.3803 | 1.6947 | 0.2140 |
| AB | 1.9612 | | 12E-06 | 11.9612 | 0.6177 | 0.4450 |
| AC | 2.3709 | | 5E-05 | 12.3709 | 7.4683 | 0.0162 |
| AD | 4.2725 | | 7E-07 | 14.2725 | 0.1345 | 0.8403 |
| BC | 1.3443 | | 12E-06 | 11.3443 | 0.4234 | 0.5258 |
| BD | 3.9515 | | 15E-06 | 13.9515 | 1.2447 | 0.2833 |
| CD | 2.6255 | | 5E-07 | 12.6255 | 0.0827 | 0.7779 |
| A2 | 6.6963 | | 6E-05 | 16.6963 | 21.0932 | 0.0004 |
| B2 | 4.7204 | | 4E-05 | 14.7204 | 14.8692 | 0.0017 |
| C2 | 2.4145 | | 6E-06 | 12.4145 | 0.7605 | 0.9220 |
| D2 | 8.2445 | | 5E-05 | 18.2445 | 25.9698 | 0.0002 |
| 残差 | 4.4445 | | 37E-06 | 143.17 | 0.331 | < 0.0001 |
| 纯误差 | 1.1331 | | 42.83 | 288E-06 | | |

表5提供了AE模型的摘要统计信息。“Pred R-squared”值为0.9055，与“Adj R-squared”值0.9597相符。R-squared值为0.9798。“Adeq precision”值（衡量信噪比）为28.251，远高于4的阈值，表明信号稳健。这些结果验证了该模型对于指导实验设计的适用性。

图4. 预测值与实际值对比图 – AE

图5分析了各种因素对加工效率（TD）的交互效应。单脉冲能量与水压和直径深度比有显著的交互作用。在低单脉冲能量水平下，水压和直径深度比对效率的影响更大。这些参数影响水射流状态，表明在热量输入不足时射流特性变得更加关键。相反，在较高的单脉冲能量下，水射流状态的影响减弱，表明其主要作用转变为在足够的热量输入下进行冷却。此外，水压和直径深度比之间存在显著交互作用。较小的直径深度比会由于高压水射流在孔内飞溅而降低效率，从而干扰加工射流。相比之下，扫描速度与其他因素的交互作用可以忽略；其主要影响与能量密度相关。

3.2 TD(5) RSM分析进一步用于定量关联工艺参数与表面微缺陷的形成和演变。从AE回归分析中的方程（5）获得的TD响应表面二次模型的ANOVA结果如表6所示。该模型获得了高达110.51的F值，显示出强烈的统计显著性。考虑到噪声的影响，获得较大F值的概率仅为0.01%。F值的“Prob > F”值低于0.05的模型项被视为显著的；在这种情况下，A、B、C、D、AB、AC、AD、BC、BD、CD、A2、B2、C2和D2符合条件。相反，值超过0.1的项是不显著的。大量不显著的项表明模型可以简化。缺乏拟合的F值为1.48，在统计上不显著，由于噪声导致较大F值的概率为37%。对于模型的可靠性而言，不显著的缺乏拟合是可取的。

表6. WJGL加工DD6单晶超级合金厚度TD的二次模型ANOVA
| 来源 | 平方和 | df | 均方 | F值 | p值 | Prob > F |
|--------------|------------|------------|-------------|-----------|---------|
| 空单元 | | | | | |
| 模型 | 4.8569 | | 140.3469 | 110.5046 | < 0.0001 | 显著 |
| A-SPE | 0.6538 | | 10.6538 | 208.2538 | < 0.0001 |
| B-WP | 0.6840 | | 10.6840 | 217.8793 | < 0.0001 |
| C-D/D | 0.1534 | | 10.1534 | 48.8794 | < 0.0001 |
| D-SS | 0.3107 | | 10.3107 | 98.9763 | < 0.0001 |
| AB | 0.1718 | | 10.1718 | 54.7264 | < 0.0001 |
| AC | 0.0529 | | 10.0529 | 16.8501 | 0.0011 |
| AD | 0.0372 | | 10.0372 | 11.8648 | 0.0039 |
| BC | 0.0801 | | 10.0801 | 25.5106 | 0.0002 |
| BD | 0.0392 | | 10.0392 | 12.4875 | 0.0033 |
| CD | 0.0517 | | 10.0517 | 16.4858 | 0.0012 |
| A2 | 1.4585 | | 11.4585 | 464.5852 | < 0.0001 |
| B2 | 1.6342 | | 11.6342 | 520.5519 | < 0.0001 |
| C2 | 0.1512 | | 10.1512 | 48.1712 | < 0.0001 |
| D2 | 0.0667 | | 10.0667 | 21.2613 | 0.0004 |
| 残差 | 0.0439 | | 140.0031 | 0.0346 | < 0.0001 |
| 纯误差 | 0.0093 | | 40.0023 | | |
| 总计 | 4.9008 | | 28 | |

表7提供了TD模型的摘要统计信息。“Pred R-squared”值为0.9563，与“Adj R-squared”值0.9821相符。R-squared值为0.9910。“Adeq precision”值（衡量信噪比）为30.79，远高于4的阈值，表明信号稳健。这些结果验证了该模型对于指导实验设计的适用性。

图6. 预测值与实际值对比图 – TD

图7分析了各种因素对TD的交互效应。单脉冲能量与水压和扫描速度都有显著的交互作用。在低单脉冲能量水平下，水压对热缺陷有显著影响，适当的水射流可以减轻TD。在这些低能量条件下，扫描速度也有显著影响。相反，在较高的单脉冲能量下，水射流状态的影响显著减弱。这表明在足够的热量输入下，水射流主要起到冲洗作用。

3.3. 使用方差分析（ANOVA）评估了所开发模型的充分性。通常，统计上显著的模型由高F值和相应的低p值（p < 0.05）表示。如表4和表6所示，AE和TD模型都显示出高F值和小于0.0001的p值，证实了它们的统计显著性。然而，并非所有单个模型项都显著。只有p值低于0.05的项被认为是对响应有显著贡献的。此外，两个模型的缺乏拟合在统计上都不显著（p > 0.05），表明模型能够充分拟合实验数据。这些结果表明，所开发的模型在预测研究参数范围内的消融效率和热损伤方面是可靠的。

3.4. WJGL加工参数的优化是通过响应面方法（RSM）进行的，目的是在最大化消融效率（AE）的同时最小化热损伤（TD）。由于AE和TD在不同加工条件下的趋势相互竞争，优化过程侧重于在加工效率和表面完整性之间实现平衡，而不是优化单一响应。表8中列出的参数组合最初是基于RSM软件中的可取性函数生成的。然而，应该注意的是，最终参数的选择并非完全基于软件输出。相反，预测结果是通过综合考虑AE和TD值以及它们在加工性能中的实际影响来全面评估的。

表8. 可取的解决方案
| 参数 | SPE | WP | D/D | SSE | AE（mm3/min） | TD（μm） |
|------------|-----------|---------|-----------|------------|-----------|
| 1 | 4.31 | 260.31 | 0.4 | 2.98 | 1.88 | 22.57 |
| 2 | 4.31 | 258.83 | 0.4 | 2.98 | 1.88 | 272 |
| 3 | 4.31 | 258.83 | 0.4 | 2.96 | 1.87 | 297 |
| 4 | 4.31 | 258.83 | 0.4 | 2.95 | 1.87 | 297 |
| 5 | 4.31 | 258.83 | 0.4 | 2.96 | 1.88 | 297 |

在候选解中，选定的参数集（SPE ≈ 4.31 mJ, WP ≈ 260.31 bar, D/D = 0.4, SS ≈ 2.98 mm/s）提供了一个有利的折中方案，在保持低热损伤的同时实现了相对较高的消融效率。这种平衡的优化对于涡轮叶片孔加工等应用尤为重要，因为在这些应用中，过高的热损伤会显著降低材料性能。

为了验证优化结果的可靠性，在选定的最佳加工参数下进行了确认实验。表9展示了预测值与实验观察值之间的比较。

表9. 符合性测试的比较结果
| 参数 | 优化参数 | 预测值 | 实验观察值 | 百分比误差/% |
|-------------|--------------|-----------------|-------------|------------|
| 1 | SPE | 4.31 | 4.31 | -2 |
| 2 | WP | 260.31 | 260.31 | -2 |
| 3 | D/D | 0.4 | 0.4 | -4 |
| 4 | SSE | 2.98 | 2.98 | -5 |
| 5 | AE | 1.88 | 1.84 | 2.12 |

消融效率（AE）和热损伤（TD）的实验结果与预测值吻合良好，百分比误差分别为2.12%和1.04%。这些低偏差表明回归模型在研究的参数范围内提供了可靠的预测。需要强调的是，最佳参数的选择并非仅基于软件输出。相反，最终参数集是通过综合考虑预测结果和实验验证来确定的，确保了加工效率和表面完整性之间的实际平衡。

4. 加工对冶金特性的影响
4.1. 水射流引导激光对微观表面形貌的影响
图8展示了DD6镍基单晶超级合金在水射流引导激光切割后的表面形貌。在加工区域观察到一个明显的TD区，其特征是在重熔层中形成了类似脊状的结构和气泡，如图8(c)所示。为了分析WJGL对镍基单晶超级合金表面形貌的影响，全面研究了在不同单脉冲能量（SPE）、水压（WP）、直径深度比（D/D）和扫描速度（SS）下的加工表面冶金性能。图9表明，SPE显著影响重熔层中的脊状结构和气泡密度。这些形态特征，包括脊和气泡，是由快速熔化和凝固过程引起的表面微缺陷的典型表现。它们的形成与局部热梯度、熔池不稳定性和激光-材料相互作用过程中的气体捕获密切相关。

图9（a1–a4）展示了不同SPE水平对表面质量的影响。横截面分析表明，随着SPE的增加，脊状结构变得更加明显，因为更高的脉冲能量提高了熔池温度和体积，加剧了表面张力波动，促进了脊的形成。纵向截面进一步证实了随着SPE的增加，表面消融效果得到增强。图9（b1–b4）展示了不同WP条件对表面形貌的影响。较高的WP通过调节熔池冷却速率和表面张力动态来降低脊的高度。相反，较低的WP提高了熔池温度，促进了脊的形成。纵向截面分析证实了WP的提高冷却效率，有效地减轻了加工缺陷。

图9（c1–c4）展示了D/D比对表面形貌的影响。较小的D/D值由于高压水射流在孔内的飞溅而减少了效率，干扰了加工射流。图10展示了加工参数变化对熔池动力学和凝固行为的影响，这些变化直接控制了表面微缺陷的形成，如脊和气泡的形成。图10(a)表明，增加单脉冲能量（SPE）会导致过度的表面消融，降低表面质量。图10(b)强调了水压（WP）在稳定熔池和减少表面缺陷中的关键作用。将WP从150巴增加到350巴可以提高冷却效率，促进熔材料的快速凝固，减少表面张力波动，从而获得更光滑的表面和更这也限制了热损伤的深度，确保了熔化层的稳定性和无缺陷[31]。图10(c)展示了直径与深度（D/D）比对表面形貌的影响。较低的D/D比率（例如0.2）能够集中激光能量，形成深而稳定的熔池，从而产生更均匀光滑的熔化层，减少了脊纹和气泡。相比之下，将D/D比率增加到0.4会降低能量密度，导致熔池变浅，表面不规则，材料去除效率降低，残留物增多，表面缺陷增加。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图10. WJGL处理对表面地形的影响；(a) SPE 3-5 mJ；(b) WP 150 bar-350 bar；(c) D/D 0.2-0.4；(d) SS 2-4 mm/s图10(d)显示了加工速度对表面质量的影响。随着加工速度的增加，加工区域内的能量分布变得更加均匀，提高了表面质量，使得截面更加光滑。这些效果源于热量输入和冷却效率之间的平衡。较高的SPE会导致过量的热量，从而使熔池不稳定并产生表面不规则。增加WP可以加速冷却，促进固化，并改善表面地形。优化D/D比率可以集中能量，确保熔化和固化的均匀性，同时减少缺陷。此外，提高加工速度还可以进一步优化熔池内的热量分布[32]。4.2. WJGL过程中HAZ的微观结构演变TD的微观结构演变通常由氧化、分解、元素扩散和应力效应引起。在加工过程中，增加的热量输入会导致不溶性元素（如W、Re）在晶粒之间的偏聚。同时，镍基超合金中的亲氧元素（如Cr、Ni、Al）与氧气反应形成表面氧化物，通过以下反应生成Al2O3和NiO[33][34]：(6)(7)此外，溶解在合金γ相中的Cr可能与溶解在水中的氧气反应[35][36]：(8)(9)熔化层内的元素分布会不利地影响通道的平滑度和薄膜冷却孔中的气体流动行为，最终降低冷却效率。观察到的元素偏聚和氧化物形成直接导致了微观缺陷的产生，先前的研究已经表明，超合金中的元素偏聚会导致非均匀的微观结构和脆性相的形成，这些脆性相可能成为裂纹起始点，降低机械强度和抗疲劳性[37]。此外，元素偏聚还可能成为应力集中点，影响孔的结构完整性。为了研究这些效应，分析了熔化层内的元素扩散情况。如图11所示，观察到了Al和O的显著偏聚。此外，在熔化区域还发现了多孔结构，这可能会进一步降低薄膜冷却孔的性能。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图11. 熔化层的元素分析为了进一步研究加工参数对水导向激光加工过程中元素扩散的影响，使用能量分散光谱（EDS）分析了不同条件下的熔化区组成，如图12所示。结果表明，熔化层内的元素分布随加工参数显著变化，特别是Al和O的浓度，表明存在动态扩散行为。下载：下载高分辨率图像（541KB）下载：下载全尺寸图像图12. 不同参数下熔化层内元素含量的分析随着单脉冲能量（SPE）的增加，由于热量输入的增加，Al和O的浓度上升，这提高了熔池的流动性并促进了扩散。相反，较高的水压（WP）加速了表面热耗散，降低了熔池的流动性，并限制了扩散，导致Al和O的浓度降低。增加的直径与深度比率（D/D）通过减少飞溅水对水射流的破坏性影响，减少了元素偏聚，提高了加工效率并缩短了激光曝光时间——从而减少了扩散的驱动力。此外，较高的扫描速度（SS）通过降低单位面积的热量输入，降低了元素偏聚，限制了熔池的流动性，导致扩散不完全。观察到的元素扩散行为可以用热激活的质量传输和快速固化动力学来解释。在较高的热量输入下，熔池温度的升高增强了原子移动性，促进了氧气向熔化区的扩散，并促进了氧化物的形成。Al和Cr表现出强烈的亲氧性，导致优先氧化反应，生成Al2O3和基于Cr的氧化物。这些氧化物倾向于在界面处积累，形成脆性相，从而导致微观缺陷的形成。此外，水射流引起的快速淬火抑制了扩散的均匀化，导致了成分梯度和局部偏聚。这种非平衡固化行为是微观结构不均匀性的关键因素。4.3. 熔化层的形成机制WJGL在熔化层形成过程中表现出独特的机制，主要受激光束和水射流之间的相互作用控制。如图13a所示，激光照射迅速提高了表面温度，导致局部熔化并形成了由热传导、重力和表面张力驱动的瞬态熔池[38]。同时，一个同步的水射流穿过加工区域，快速淬火了熔融材料（图13b）。水的存在显著提高了冷却速率并改变了固化行为，从而形成了熔化层。下载：下载高分辨率图像（761KB）下载：下载全尺寸图像图13. 熔化层的形成机制在多道次加工过程中，孔周缘周围会发生循环热加载，这可能导致形成类似脊纹的形态（图13c和图13d）。与水射流相关的高冷却速率有望促进晶粒细化并抑制过度的晶粒生长。然而，应该注意的是，本研究并未直接确定熔化层的具体相组成。第4.2节中的EDS分析提供了元素分布的信息，表明存在氧化和元素偏聚，但仅凭这些信息无法确定具体的相。此外，激光与材料的相互作用可能由于挥发性元素的蒸发和分解而产生气泡。在快速固化条件下，这些气泡可能被困在熔化层内，可能降低其密度和结构完整性[39]。从冶金角度来看，快速淬火在微观结构演变中起着关键作用。它可以抑制晶粒粗化并减少热影响区的范围，从而限制了诸如微裂纹和过度氧化等热缺陷的形成。然而，需要进一步的表征技术（如XRD或TEM）来完全确定熔化层的相组成和详细微观结构。对于高性能应用（如涡轮叶片冷却孔），控制熔化层的厚度和均匀性至关重要，因为过厚的熔化层可能会引入微观结构不均匀性，从而影响机械性能[40][41]。优化的WJGL工艺能够形成更薄、更均匀的熔化层，提高了镍基超合金组件的表面完整性和可靠性。总体而言，WJGL加工中表面微观缺陷的形成可以理解为热效应、流体效应和快速固化效应共同作用的结果。仔细控制这些因素对于减少缺陷形成和提高加工质量至关重要。5. 结论本研究系统地研究了镍基单晶超合金WJGL加工过程中表面微观缺陷的形成机制和控制方法。(1)基于ANOVA的显著性分析显示，单脉冲能量（SPE）对烧蚀效率的影响最大，占总变异的60%以上，其次是直径与深度比率（D/D）和水压（WP），而扫描速度（SS）的影响相对较小。对于热损伤（TD），显著性顺序为SPE > WP > SS > D/D，所有主要因素均表现出统计学上的显著效应（p < 0.05）。(2)基于响应曲面方法（RSM）开发的经验回归模型具有良好的预测能力，实验结果与预测结果之间的偏差低于2%，表明它们适用于分析参数-响应关系并指导工艺优化。(3)在低热量输入条件下，增加水压显著减少了热损伤，350巴的压力使熔化层厚度相比150巴减少了约20%。在较高热量输入下，水射流的作用从冷却转变为通过侵蚀去除材料。(4)增加的热量输入增强了元素扩散和界面氧化，特别是Al和O，导致熔化层变厚。相反，较高的水压加速了冷却并减少了元素偏聚，而优化的直径与深度比率（D/D = 0.4）有助于更均匀的能量分布并减少了气体捕获。(5)通过优化工艺参数（SPE ≈ 4.31 mJ，WP ≈ 260.31 bar，D/D = 0.4，SS ≈ 2.98 mm/s），熔化层厚度控制在约2.5 μm以内，同时保持了大约1.88 mm3/min的烧蚀效率，展示了加工效率和表面完整性之间的良好平衡。本研究的结果为镍基超合金的水射流引导激光孔加工提供了实际指导。通过优化工艺参数，可以在加工效率和表面完整性之间取得良好的平衡。减少热损伤和改善表面质量对于需要高精度和抗疲劳性的应用（如涡轮叶片冷却孔）特别有益。这些结果表明，当WJGL加工得到适当优化时，在高性能航空部件的工业应用中具有巨大潜力。