尽管几十年来对激光及其应用进行了大量研究,但很少有办法准确、高效、直接观察其与材料相互作用的细节。现在,研究人员首次找到了利用低成本设备从生产型激光器中获取此类数据的方法,可以极大地提高激光切割或蚀刻的物品精度。鉴于激光器无处不在,这可能在实验室、商业和工业应用中产生广泛影响。
激光在现代世界中的应用异常广泛。其中一个特别重要的应用领域是制造业,原因是激光器的操作精度远远高于其他加工工具。然而,目前激光加工的精度水平在理论上还可以更高,从而可能出现新一代技术。不过,在此之前研究人员还有一些障碍需要克服。
(左下)激光在材料上打孔;(左上方)测量激光的通量;(右下)叠加了通量和孔深的测量值;(右上)然后确定这些测量值之间的关系,以便可以仅基于注量来计算孔深度
提高激光加工精度的关键是,需要更好地掌握激光与材料加工互相影响的反馈。这样一来,工业激光器在做切割和蚀刻时,就能有更大的控制力和更少的不确定性。到目前为止这个问题始终未能解决,这足以证明其难度。
“要测量激光器切割到表面多远,往往需要进行几十或几百次深度读数。这对于基于激光的快速、自动化生产系统来说是一个实质性障碍,”东京大学物理系教授Junji Yumoto谈到,“因此我们的研究团队设计了一种新方法来确定和预测激光脉冲产生孔的深度,基于一次观测而不是几十次或几百次。这一发现是提高激光加工可控性的重要一步。”
Junji Yumoto和他的团队想知道如何利用尽可能少的信息量来确定激光钻孔的深度。这促使他们研究激光脉冲的能量密度,即脉冲在给定区域内提供的通量。直到最近,如果要观测激光脉冲的能量密度,仍需要昂贵的成像设备支持,并且设备也无法提供足够清晰的分辨率。但由于电子和光学其他领域的发展,一个相对简单的设备“Raspberry Pi Camera Version 2” 被证明可以胜任这项工作。
当他们的测试激光设备在蓝宝石上打出一个孔时,相机直接记录了激光脉冲的通量分布。然后用激光显微镜测量孔的形状。通过将这两个结果叠加起来,并使用一些现代数值方法,该团队产生了一个庞大而可靠的数据集,可以准确获取能量密度和孔深之间的关系,相当于从一次测量中提取约25万个数据点,这种新方法可以有效地为机器学习和新的数值模拟方法提供大数据,提高工业激光加工的精度和可控性。
转载请注明出处。