激光加工研究现状概述

激光加工研究现状概述

赵仁瀚 1*

1淄博职业学院 机电工程学院，山东 淄博 255000

摘 要：本文主要对近几年来激光加工技术的发展情况进行介绍和讨论，重点分析了激光切割和激光加工质量预测等领域在近几年内的发展情况，指出激光加工技术未来的发展走向。

关键词：激光切割；激光质量预测

中图分类号:TN249 文献标识码 A

激光加工作为特种加工方法之一，由于其具有功率密度大、切割速度快，现在已经广泛的应用在机械制造、材料加工、船舶运输、仪表制造等领域中。近几年里，国内对于激光加工的研究也获得了一些有价值的研究成果。随着在加工机理、工艺研究、加工质量以及材料特性等方面的研究不断深入，激光加工的优越性越来越明显，随着特种加工的不断发展以及新型复合材料的不断涌现，使得激光加工具有非常旷阔的市场前景和应用价值，甚至在部分领域中成为必不可少的重要加工手段。本文对激光加工技术的相关研究展开讨论和分析，同时确定激光加工技术目前存在的系列问题以及未来可能的发展方向，为后续的研究提供一定的借鉴和帮助。

1激光切割研究

激光切割是激光加工材料常用的方法之一，由于其具有速度快、精度高、无毛刺飞边、能够实现自动化加工等优点，现在逐渐应用于各种切割领域中，同时一系列专家学者针对激光切割的特点和规律进行深入探索。冯巧波^[1]等人以不锈钢薄板进行了激光加工实验，重点探索不同工艺要素对钢板切口的加工质量影响规律，通过切割实验，获得了最佳切割工艺参数。沈义平^[2]等人以铝合金为切割对象，重点研究单个工艺参数和不同工艺参数组合对切缝质量的影响情况。

戴金跃^[3]等人采用激光微加工系统进行微凹槽切割，综合分析了电流和扫描速度对微凹槽切割的影响。结果显示：激光束扫描速度对凹槽切削深度及凹槽底部表面质量产生的影响最大，当激光束扫描速度达到8 mm/s 时，凹槽切削深度出现最大值。蔡志祥^[4]等人以复合片为切割对象，利用光纤激光束对复合片进行切割工艺试验。结果表明：经光纤激光切割后的复合片，崩边尺寸和热影响区范围在0.1mm，切割截面粗糙度范围为30-50μm，切割缝宽范围在0.18-0.2mm。刘瑞军^[5]等针对长脉冲激光、超短脉冲激光、电火花线切割、水射流切割四种加工方式对陶瓷基复合材料进行切割对比实验，结果表明：采用超短脉冲激光法对陶瓷基复合材料进行加工时，复合材料损伤程度最小。

2激光加工预测研究

加工质量是每个行业不断追求的目标，关于提高加工质量的问题，传统方法主要是通过大量的加工实验，积累相关实验数据，进而确定影响加工质量的各类因素，然后以加工质量为目标，进行参数优化以及不利因素的抑制，但是实验法本身存在成本高、周期长等缺点，因此开展加工质量预测研究显得尤为重要。郭华锋^[6]等以不锈钢作为研究对象，基于BP神经网络，建立激光切割切口时工艺参数和切口粗糙度的预测模型，获得良好的预测效果。 郭莉梅^[7]等采用层次分析法和极限学习机建立起一种新的激光加工预测模型，通过该模型和其他模型的对比发现，该模型具有预测精度高，预测速度快等优点。张飞^[8]等采用一种改进粒子群算法预测模型并对三种不同的模型进行建模效率对比，确定该算法具有较高的可靠性。王硕^[9]等通过实验法，对比响应面法、克里金法以及支持向量回归法三种方法对切割质量的预测情况，结果发现，克里金法建立的预测模型预测精度最高。

3展望

近几年，由于激光加工的优势越来越明显，因此其应用场合也越来越广泛，本文系统阐述了激光切割和质量预测的研究进展，同时预测一下未来可能的发展趋势如下：

（1）针对激光加工的加工质量预测方面研究较少，目前缺少较成熟的预测方法和可靠性高的数据库，基于此，如何确定较成熟的预测方法和建立起可靠性高的数据库是激光加工未来的研究重点，因此，后期关于激光加工质量预测的问题应该展开深入研究和探索。

（2）对于复合材料的激光加工研究不多见，对复合材料的加工质量、参数优化、质量预测等方面的研究较少，由于复合材料具有比重小、比模量大、比强度大灯优点，因此广泛应用于各个领域，因此，复合材料的激光加工研究是未来的一个发展方向。

参考文献

[1]冯巧波,赵旺初,李永兵.工艺参数对不锈钢薄板激光切割质量的影响[J].机械设计与研究,2017,33(6):118-121.

[2]沈义平,陈聪,高明,成群林,等.光纤激光切割中厚铝合金板工艺特性研究[J].中国激光,2019,46(1):0202008.

[3]戴金跃,符永宏,李玉弟,等.硬质合金表面微凹槽激光加工工艺试验研究[J].热加工工艺,2019,33(10):126-129.

[4]蔡志祥,刘佳,王东.PCD/PCBN复合片激光切割工艺与质量研究[J].应用激光,2018,38(2):250-255.

[5]刘瑞军,桓恒,赵晨曦,等.超短脉冲激光加工陶瓷基复合材料制孔研究[J].电加工与模具,2019,40(2):55-58.

[6]郭华锋,李菊丽,孙涛.基于BP神经网络的光纤激光切割切口粗糙度预测[J].激光加工,2014,38(6):798-803.

[7]郭莉梅.激光技术在钢板切割速度中的建模与预测[J].激光杂志,2015,36(8):75-79.

[8]张飞,耿红琴.基于改进神经网络的激光切割切口大小预测[J].激光杂志,2015,36(10):87-90.

[9]王硕,王克欣,何福本.基于多种代理模型的光纤激光切割质量预测[J].机械工程师,2019,43(3):43-45.