A Study on Defect Monitoring in Stainless Steel Laser Welding Processes Using a Multi-Sensor System

In der Welt der modernen Elektrofahrzeuge ist die Batterie das Herzstück, aber das Kühlsystem ist das Kreislaufsystem, das sie vor Überhitzung schützt. Diese Systeme verlassen sich auf dünne Metallpaneele, die perfekt miteinander verbunden werden müssen, um Lecks zu verhindern und die Sicherheit zu gewährleisten. Jahrelang haben Ingenieure Aluminium für diese Teile verwendet, da es leicht ist, aber Aluminium kann bei extremen Temperaturen, wie etwa bei einem thermischen Durchgang (Thermal Runaway), bei dem eine Batterie gefährlich überhitzt, an seine Grenzen stoßen. Um dies zu lösen, setzen Hersteller auf eine spezielle Art von Edelstahl, bekannt als SUS304L, der höheren Temperaturen standhalten kann und eine größere strukturelle Festigkeit bietet. Das Verbinden dieses Stahls erfordert jedoch einen präzisen, hochenergetischen Prozess namens Laserschweißen. Da sich der Laser so schnell bewegt und so viel Energie überträgt, kann er unter unperfekten Bedingungen leicht verborgene Fehler wie winzige Lufteinschlüsse oder Spalten entlang der Naht erzeugen. Diese Fehler sind gefährlich, da sie zu Lecks oder strukturellem Versagen führen können, doch sie sind oft mit bloßem Auge unsichtbar, sobald der Schweißvorgang abgeschlossen ist.

Um diese Fehler abzufangen, bevor sie Probleme verursachen, entwickelten Forscher des Korea Institute of Industrial Technology und Industriepartner einen intelligenteren Weg, um den Schweißprozess in Echtzeit zu überwachen. Sie konzentrierten sich auf eine neuere Art von Laser, den sogenannten Adjustable Ring Mode Laser, der seinen Energiestrahl formen kann, um ein stabileres Schmelzbad zu erzeugen. Anstatt sich auf ein einzelnes Werkzeug zur Überwachung der Schweißnaht zu verlassen, entwickelten sie ein Multi-Sensor-System, das wie ein Team von Beobachtern wirkt, von denen jeder einen anderen physikalischen Hinweis verfolgt. Ein Sensor beobachtete Lichtblitze im ultravioletten und infraroten Spektrum, die offenbaren, wie sich das supererhitzte Plasma und das geschmolzene Metall verhalten. Ein anderer Sensor, eine Hochgeschwindigkeits-Thermalkamera, kartierte die Wärmeverteilung um die Schweißnaht herum. Durch die Kombination dieser verschiedenen Ansichten versuchte das Team, zwischen einer perfekten Schweißnaht und einer, die gerade einen Defekt entwickelt, zu unterscheiden – und das alles, während sich der Laser noch bewegte.

Die Forscher testeten ihr System, indem sie Edelstahlbleche unter verschiedenen Bedingungen verschweißten und dabei gezielt drei gängige Arten von Defekten erzeugten: Porosität, also winzige Löcher, die im Inneren des Metalls eingeschlossen sind; Unterspülung (Undercut), bei der die Kante der Schweißnaht zu stark aufgeschmolzen wird; und mangelnde Durchdringung (Non-Penetration), bei der die Schweißnaht nicht tief genug in die untere Schicht eindringt. Sie verglichen die Sensordaten mit Röntgenbildern und physischen Querschnitten des Metalls, um genau zu sehen, was die Sensoren wahrnahmen. Unter normalen, perfekten Schweißbedingungen zeigten die Sensoren einen ruhigen und stetigen Rhythmus. Das Infrarotlichtsignal blieb in einem vorhersagbaren Bereich und das Ultraviolettsignal blieb flach und stabil. Dieser stationäre Zustand diente als Basislinie, dem „Alles in Ordnung“-Signal, das den Forschern bestätigte, dass sich das Schmelzbad wie erwartet verhielt.

Als die Forscher Defekte einführten, begannen die Sensoren auf unterschiedliche Weise zu „schreien“, je nach Art des Problems. Wenn Porosität auftrat, reagierte der Ultraviolett-Sensor zuerst. Das Signal, das normalerweise stabil war, begann unkontrolliert zu sinken und zu springen. Dies geschah, weil die Bildung von Lufteinschlüssen das Plasma – das ionisierte Gas, das sich über dem geschmolzenen Metall bildet – destabilisiert und das ultraviolette Licht flackern lässt. Im Gegensatz dazu übernahm bei einem Unterspülungsdefekt der Infrarotsensor die Führung. Das Hitzesignal zeigte unregelmäßige, scharfe Spitzen, die darauf hindeuteten, dass das geschmolzene Metall an den Rändern der Schweißnaht ungleichmäßig floss. Die Forscher fanden heraus, dass das ultraviolette Licht zwar exzellent geeignet war, um Lufteinschlüsse aufzuspüren, das Infrarot-Hitzesignal jedoch der beste Indikator für Kantenfehler war.

Das Team entdeckte auch, dass die Art und Weise, wie sie die Hitze betrachteten, genauso wichtig war wie das, was sie betrachteten. Sie testeten zwei Methoden zur Nutzung der Thermalkamera. Eine Methode, genannt Total Area Analysis (Gesamtflächenanalyse), beobachtete die gesamte Länge der Schweißnaht, um die allgemeine Hitzegeschichte zu erfassen. Obwohl diese Methode für einen breiten Überblick nützlich war, wurde sie leicht durch Spritzer von heißem Metall, bekannt als Spritzer (Spatter), verwirrt, die falsche Spitzen in den Daten erzeugten. Die zweite Methode, die Local Area Analysis (Lokale Flächenanalyse), hielt die Kamera eng auf den Laserpunkt und das unmittelbare Schmelzbad fokussiert. Dieser Ansatz lieferte eine viel stabilere und zuverlässigere Messung der Hitze genau dort, wo die Schweißung stattfand. Als die Forscher eine Bedingung testeten, bei der die Laserleistung zu gering war, um das Metall vollständig zu durchdringen, zeigte die lokale Flächenanalyse deutlich eine Veränderung der thermischen Reaktion, während die Gesamtflächenansicht weniger deutlich war. Dies bestätigte, dass ein enger, stetiger Blick auf die Interaktionszone der effektivste Weg war, um tiefe Fehler wie unzureichende Durchdringung zu erkennen.

Durch die Kombination dieser Erkenntnisse etablierten die Forscher einen neuen Satz von Regeln zur Überwachung der Schweißqualität. Sie fanden heraus, dass kein einzelner Sensor die ganze Geschichte erzählen konnte; stattdessen erforderte eine perfekte Schweißnaht ein stabiles Infrarotsignal, ein stetiges Ultraviolettsignal und ein konsistentes lokales Hitzemuster. Wenn das Ultraviolettsignal unkontrolliert schwankte, bedeutete dies wahrscheinlich, dass Lufteinschlüsse entstanden. Wenn das Infrarotsignal unregelmäßig ausschlug, schmolzen die Kanten zu stark auf. Wenn das Infrarotsignal stark fluktuierte, während sich gleichzeitig das lokale Hitzemuster änderte, war die Schweißnaht wahrscheinlich nicht tief genug. Dieser Multi-Sensor-Ansatz bewies, dass man durch das „Hören“ auf die verschiedenen „Stimmen“ des Schweißprozesses – Licht und Hitze, gesehen aus verschiedenen Winkeln – Defekte in dem Moment erkennen kann, in dem sie entstehen. Die Studie legt nahe, dass diese Methode ein entscheidender Schritt zu sichereren, zuverlässigeren Elektrofahrzeug-Batterien sein könnte, um sicherzustellen, dass die aus Edelstahl gefertigten Komponenten, die sie zusammenhalten, frei von verborgenen Fehlern sind.