CN114345840B - 一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 - Google Patents
一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 Download PDFInfo
- Publication number
- CN114345840B CN114345840B CN202111636814.0A CN202111636814A CN114345840B CN 114345840 B CN114345840 B CN 114345840B CN 202111636814 A CN202111636814 A CN 202111636814A CN 114345840 B CN114345840 B CN 114345840B
- Authority
- CN
- China
- Prior art keywords
- laser
- energy density
- cleaning
- stainless steel
- oxidation layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B7/00—Cleaning by methods not provided for in a single other subclass or a single group in this subclass
- B08B7/0035—Cleaning by methods not provided for in a single other subclass or a single group in this subclass by radiant energy, e.g. UV, laser, light beam or the like
- B08B7/0042—Cleaning by methods not provided for in a single other subclass or a single group in this subclass by radiant energy, e.g. UV, laser, light beam or the like by laser
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Cleaning In General (AREA)
- Cleaning And De-Greasing Of Metallic Materials By Chemical Methods (AREA)
Abstract
本发明公开了一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,基于不锈钢高温氧化层与基体成分的明显差异,采用光谱仪进行激光清洗过程中光谱信号监测,利用得到的Fe元素和Cr元素的特征等离子体信号峰相对强度比作为判定清洗状态指标,监测精度高、数据处理简单,响应时间短;本发明通过主动优化和被动优化激光能量密度,既保证激光清洗效果,亦可有效减少能源消耗,降低激光清洗成本。本发明通过光谱监测及反馈快速优化能量密度后即通过监测结果对未完全清洗区域进行在线二次清洗,由于光谱响应时间很短,未被完全清洗区域小,加工效率高。
Description
技术领域
本发明属于表面清洗技术领域,具体涉及一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法。
背景技术
不锈钢不仅耐腐蚀性强、力学性能优异而且成本相对较低,是目前建筑、家电、医疗等行业广泛使用的材料之一。与普通低合金钢相比,不锈钢产品主要依靠其中Cr、Ni等合金元素在产品表面产生稳定的钝化膜,显著提升表面耐蚀性能。然而,从冶炼至最终使用前,不锈钢产品通常还需要经过铸造、锻造、热轧、冷轧等复杂加工过程。其中,在热加工阶段,由于温度过高且加工时间长,不锈钢表面会产生富Cr的高温氧化层。热轧不锈钢高温氧化层通常呈黑色,与基体结合强度高且厚度大,会严重影响后续加工产品质量与表面性能;必须被清洗去除。
激光清洗是一种新兴的表面清洗技术,具有使用材料适用范围广、对基体损失小以及环保等优势,是面向不锈钢表面高温氧化层的理想清洗方法。为了保证激光束能量密度,激光清洗时光斑直径一般被聚焦至微米级别。激光清洗过程中,待清洗表面放置于激光束焦点附近,通过高能激光束在表面线性填充扫描,实现一定面积内污染物的精密去除。然而,实际生产过程中,不同种类、不同规格的不锈钢产品,或同一表面不同区域的氧化层厚度、类型以及其与基体结合强度等均有一定的差异。在固定的参数下激光清洗时,容易出现清洗不完全或因过度清洗而产生二次氧化。此外,与激光清洗其它污染物类似,激光清洗不锈钢表面高温氧化层时,存在清洗阈值至损伤阈值,虽然激光能量密度在清洗阈值至损失阈值之间时均可实现高温氧化层的有效去除,但是较大的激光能量密度会提高清洗加工的能耗,增加清洗成本。根据实际应用需要,有必要开展激光清洗不锈钢表面高温氧化层过程中激光能量密度在线优化,在保证氧化层能被有效去除的同时降低能耗以及避免对基体的损伤。
事实上,近年来利用加工过程在线监测,明确激光清洗状态,优化激光清洗参数已经得到广泛关注,包括图像信号、声信号、光谱信号等在线技术已在激光清洗领域得到一定应用。但是,如何针对不锈钢表面高温氧化层特点,实现实时、精确、简单的清洗状态监测,快速反馈及优化激光加工参数仍存在较大难度。
发明内容
由于不锈钢热加工后表面高温氧化层主要由Cr、Mn、O等化学元素构成,而基体主要为Fe、Cr、Mo元素。虽然Fe元素的等离子体信号易被激发,但高温氧化层未被完全清洗前,Cr元素的等离子光谱信号通常更强;高温氧化层被有效清洗时,脉冲激光作用在不锈钢基体,Fe元素的等离子信号会显著增强。本发明针对不锈钢表面高温氧化层激光清洗过程中激光能量密度在线优化问题,利用不锈钢高温氧化层与基体成分的明显差异,基于激光清洗过程中等离子体光谱在线监测与反馈,开展清洗过程中动态的能量密度优化。
本发明采用的技术方案如下:
一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,具体步骤包括:
(1)取表面含有高温氧化层的不锈钢样品为待激光清洗样品,开展不同能量密度下激光清洗及在线光谱监测。根据监测结果,初步确定不锈钢表面高温氧化层有效清洗的激光束能量密度范围,并基于此设定优化激光能量密度的步长;同时,利用光谱仪采集采用Fe元素和Cr元素的特征等离子体信号峰,将其相对强度比作为激光清洗状态的监测指标,明确未完全清洗和有效清洗时监测指标的临界值;其中:
所述不锈钢种类包括奥氏体不锈钢、马氏体不锈钢、铁素体不锈钢等。
所述高温氧化层包括铸造、锻造、热轧等热加工产生的氧化层。
所述激光清洗包括纳秒、皮秒脉冲宽度的高能脉冲激光清洗。
所述优化激光能量密度的步长是指在已设激光能量密度下单次减小或增加激光束能量密度的步长,步长根据高温氧化层可被有效清洗能量密度区间确定,大小在此区间的五分之一至二十分之一范围内。
所述Fe元素和Cr元素的特征等离子体信号峰是指光谱信号中强度较强的峰,可以单个特征峰或多个特征峰。
所述相对强度比为扣除背底后Fe元素特征峰强度与扣除背底后Cr元素特征峰强度的比值。
(2)根据激光清洗实验结果,初步设定激光清洗参数,规划激光束扫描路径;所述激光清洗参数包括激光功率、扫描速率、填充路径、离焦量等。
(3)开启激光清洗系统,进行不锈钢表面高温氧化层激光清洗及清洗过程在线监测。根据待清洗样品表面状态设定主动优化激光能量密度时间点,在线开展激光能量密度的主动优化。根据激光清洗过程中光谱仪的光谱反馈结果,开展激光能量密度被动优化。记录优化激光能量密度过程产生的未被有效清洗区域时间。其中:
所述样品状态包括清洗样品尺寸、热加工工艺、表面质量等。
所述主动优化激光能量密度时间点是指在特定参数下激光清洗进行一段时间后,虽然光谱信号反馈此时高温氧化层能被有效清洗,但是因为清洗位置改变,该能量密度下可能存在激光束能量较大,清洗的能耗较高的问题。因而,每隔一定时间,主动降低激光束能量密度,在线监测调整后的激光清洗效果。
所述主动优化是指当时间达到设定时刻时,按照设定步长逐步降低激光能量密度,直至光谱信号反馈高温氧化层未能被激光清洗。此时,前一步主动优化得到的能量密度为优化后的能量密度。
所述被动优化是指正常激光清洗过程中,光谱仪中光谱信号反馈出现高温氧化层未被有效清洗。此时,记录未被有效清洗开始时刻,根据反馈按照设定步长逐步提高激光能量密度直至光谱信号反馈高温氧化层已经能被激光清洗,得到被动优化后的激光能量密度。
所述未被有效清洗区域时间是指主动优化和被动优化激光能量密度过程中出现高温氧化层未被完全清洗的时间段,开始时刻为光谱反馈出现高温氧化层未被有效清洗时刻减去监测系统反馈时间,结束时刻为能量密度优化后光谱反馈出现高温氧化层可被有效清洗时刻减去监测系统反馈时间。
(4)采用优化后的激光能量密度,二次清洗未被有效清洗区域以及剩余未清洗区域。当激光清洗剩余未清洗区域时,再次出现主动或被动优化激光能量密度情况,重复步骤(3),直至高温氧化层全部被有效清洗。其中:所述因参数优化产生的未被有效清洗区域可由步骤(3)中开始及完成参数优化的时间推算得到。
与现有技术相比,本发明提供的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,具有以下优势:
(1)通过光谱监测得到的Fe元素和Cr元素的特征等离子体信号峰相对强度比作为判定清洗状态指标,监测精度高、数据处理简单,响应时间短。同时,可以有效避免如光谱探测器与激光作用区域距离等因素对信号强度的影响。
(2)针对实际生产中复杂条件下的应用需求,通过主动优化和被动优化激光能量密度既保证激光清洗效果,亦可有效减少能源消耗,降低激光清洗成本。
(3)通过光谱监测与反馈快速优化激光能量密度后即通过监测结果对未完全清洗区域进行在线二次清洗,由于光谱响应时间很短,未被完全清洗区域小,加工效率高。
附图说明
图1是本发明提供的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法的路线图;
图2是不同能量密度下激光清洗的光谱及清洗后样品表面宏观形貌;
图3是不同能量密度下激光清洗FeI-520.9和CrI-589.29相对强度比;
图4是主动优化激光能量密度前激光清洗表面宏观形貌;
图5是主动优化激光能量密度时出现的未被完全清洗区域;
图6是完成激光清洗后的样品表面宏观形貌。
具体实施方式
下面结合实施例对本发明作更进一步的说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例1
一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,参考图1,包括以下步骤:
(1)选用热轧加工后的铁素体不锈钢产品为待激光清洗样品,采用振镜扫描式的纳秒激光加工系统对其表面的高温氧化层进行激光清洗实验,清洗过程中采用光谱仪进行在线监测。激光清洗时激光束的能量密度为0.36-1.62J/cm2,不同能量密度下的清洗表面形貌和光谱分别如图2。
当激光能量密度在0.81-1.26J/cm2范围内,高温氧化层可被有效去除,清洗表面光洁且不会发生二次氧化。根据不同能量密度下光谱信号特点,确定FeI-520.9和CrI-589.29等离子体信号峰可作为清洗状态的特征峰。不同清洗状态下的相对强度比如图3,在高温氧化层未被完全清洗阶段,激光能量密度增大,相对强度比变化不大。当高温氧化层被有效清洗时,相对强度比显著增大;当能量密度过高时,激光清洗表面发生了二次氧化。基于实验结果,确定激光能量密度优化时减小或增大的步长为0.05J/cm2,未被完全清洗和有效清洗时相对强度比临界参考值为1。
(2)设定需激光清洗高温氧化层的区域为10mm×20mm,激光清洗过程中激光束沿宽度方向线性填充扫描,脉冲宽度为24ns,重复频率为55kHz,扫描速率为500mm/s,扫描的线间距为30μm,激光能量密度为0.85J/cm2。设定激光清洗至6.7s时,进行一次主动激光能量密度优化。
(3)开启激光清洗系统,进行热加工高温氧化层激光清洗,在达到主动优化参数前,光谱信号反馈相对强度比一直在1.44-1.65范围内,如图4高温氧化层均被有效去除,未出现需被动清洗情况。清洗时间到达6.7s时,激光清洗能量密度降低至0.8J/cm2(步长0.05J/cm2),在优化参数下激光清洗时,光谱监测数据显示相对强度比在1.15-1.42范围内,大于有效清洗临界值1。此时,进一步降低激光能量密度至0.75J/cm2,光谱数据反馈相对强度比快速下降至0.48-0.55范围内,高温氧化层未被完全清洗(如图5)。基于上述主动优化过程,得到优化的激光清洗能量密度为0.8J/cm2。
(4)设定激光能量密度为0.8J/cm2,根据监测反馈结果对未完全清洗区域进行二次清洗,并继续清洗未去除区域。由于后续清洗过程中未设置主动优化参数且未出现需要被动优化参数(相对强度比小于1)情况,系统在此能量密度下激光清洗直至结束。激光完成后,激光清洗表面形貌如图6。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (7)
1.一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:包括以下步骤:
(1)取表面含有高温氧化层的不锈钢产品为待激光清洗样品,在不同能量密度下进行激光清洗,初步确定不锈钢表面高温氧化层被有效清洗时的激光束能量密度范围并优化激光能量密度的步长;同时,利用光谱仪采集得到的Fe元素和Cr元素的特征等离子体信号峰相对强度比作为激光清洗状态的监测指标,明确未完全清洗和有效清洗时相对强度比的临界值;
(2)根据激光清洗实验结果,初步设定激光清洗参数,规划激光束扫描路径;
(3)开启激光清洗系统,进行不锈钢表面高温氧化层的激光清洗;根据待激光清洗样品的表面状态设定主动优化参数时间点,在线开展激光能量密度的主动优化;根据激光清洗过程中光谱仪的光谱反馈结果,开展激光能量密度的被动优化;记录优化激光能量密度过程产生的未被有效清洗区域时间;所述主动优化参数时间点是指在当前参数下激光清洗进行一段时间后,主动降低激光束能量密度,在线监测调整后的激光清洗效果的时间点;
(4)优化激光能量密度,二次清洗未被有效清洗区域以及剩余未清洗区域;清洗剩余未清洗区域时,当再次出现主动优化或被动优化能量密度情况,重复步骤(3)中的主动优化和被动优化操作,直至高温氧化层全部被有效清洗。
2.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(1)中,所述表面含有高温氧化层的不锈钢为奥氏体不锈钢、马氏体不锈钢或铁素体不锈钢;所述高温氧化层为热加工产生的氧化层,热加工为铸造、锻造或热轧;所述激光清洗为纳秒或皮秒脉冲宽度的高能脉冲激光清洗。
3.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(1)中,所述优化激光能量密度的步长是指在已设激光能量密度下单次减小或增加激光束能量密度的步长,步长根据高温氧化层能够被有效清洗时的能量密度区间确定,步长取值在此能量密度区间的五分之一至二十分之一范围内。
4.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(1)中,所述Fe元素和Cr元素的特征等离子体信号峰的相对强度比为除背底后Fe元素的特征等离子体信号峰与扣除背底后Cr元素的特征等离子体信号峰的比值;Fe元素或Cr元素的特征等离子体信号峰为单个特征峰或多个特征峰的强度总和。
5.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(2)中,所述激光清洗参数包括激光功率、扫描速率、填充路径、离焦量。
6.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(3)中,所述主动优化是指在时间达到设定时刻时,按照设定步长逐步降低激光能量密度,直至光谱仪中光谱信号反馈高温氧化层未能被激光清洗;此时,把前一步主动优化得到的能量密度作为优化后的能量密度;所述被动优化是指正常激光清洗过程中,光谱仪中光谱信号反馈出现高温氧化层未被完全清洗时,根据反馈按照设定步长逐步提高激光能量密度,直至光谱信号反馈高温氧化层已经能被激光清洗,得到被动优化后的激光能量密度。
7.根据权利要求1所述的脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法,其特征在于:步骤(3)中,所述未被有效清洗区域时间是指主动优化和被动优化激光能量密度时出现高温氧化层未被完全清洗的时间段,开始时刻为光谱反馈出现高温氧化层未被有效清洗时刻减去监测系统反馈时间,结束时刻为参数优化后光谱反馈出现高温氧化层可被有效清洗时刻减去监测系统反馈时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111636814.0A CN114345840B (zh) | 2021-12-29 | 2021-12-29 | 一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111636814.0A CN114345840B (zh) | 2021-12-29 | 2021-12-29 | 一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114345840A CN114345840A (zh) | 2022-04-15 |
CN114345840B true CN114345840B (zh) | 2022-12-27 |
Family
ID=81103726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111636814.0A Active CN114345840B (zh) | 2021-12-29 | 2021-12-29 | 一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114345840B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105127150A (zh) * | 2015-08-14 | 2015-12-09 | 四川大学 | 一种基于机器人控制的激光清洗系统及其清洗方法 |
CN106932382A (zh) * | 2017-04-20 | 2017-07-07 | 四川大学 | 一种激光清洗效果判定的方法 |
CN111650187A (zh) * | 2020-04-29 | 2020-09-11 | 北京航空航天大学合肥创新研究院 | 一种基于多光谱信号响应的激光除漆实时反馈和损伤抑制的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107121398B (zh) * | 2017-04-25 | 2019-05-31 | 苏州德威尔卡光电技术有限公司 | 激光清洗能量的确定方法及装置、激光清洗方法及系统 |
CN109813805B (zh) * | 2019-01-28 | 2021-07-09 | 广东工业大学 | 一种基于声发射技术的激光清洗过程监测方法 |
CN111389941B (zh) * | 2020-03-04 | 2022-02-18 | 北京航空航天大学合肥创新研究院 | 一种热轧不锈钢表面氧化层的激光清洗方法 |
CN111203414A (zh) * | 2020-03-17 | 2020-05-29 | 深圳市汇泽激光科技有限公司 | 一种适用于氧化层的激光清洗方法 |
-
2021
- 2021-12-29 CN CN202111636814.0A patent/CN114345840B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105127150A (zh) * | 2015-08-14 | 2015-12-09 | 四川大学 | 一种基于机器人控制的激光清洗系统及其清洗方法 |
CN106932382A (zh) * | 2017-04-20 | 2017-07-07 | 四川大学 | 一种激光清洗效果判定的方法 |
CN111650187A (zh) * | 2020-04-29 | 2020-09-11 | 北京航空航天大学合肥创新研究院 | 一种基于多光谱信号响应的激光除漆实时反馈和损伤抑制的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114345840A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rao et al. | Multi-objective optimization of Nd: YAG laser cutting of thin superalloy sheet using grey relational analysis with entropy measurement | |
Leone et al. | AISI 304 stainless steel marking by a Q-switched diode pumped Nd: YAG laser | |
Li et al. | Surface ablation properties and morphology evolution of K24 nickel based superalloy with femtosecond laser percussion drilling | |
CN111389941B (zh) | 一种热轧不锈钢表面氧化层的激光清洗方法 | |
Joshi et al. | Simultaneous optimization of kerf taper and heat affected zone in Nd-YAG laser cutting of Al 6061-T6 sheet using hybrid approach of grey relational analysis and fuzzy logic | |
CN114345840B (zh) | 一种脉冲激光清洗不锈钢表面高温氧化层过程中能量密度在线优化方法 | |
Pasupuleti et al. | Development of Regression Models for Laser Beam Welding of Inconel 718 Alloy Thin Sheets | |
Bordatchev et al. | Effect of focus position on informational properties of acoustic emission generated by laser–material interactions | |
Panigrahi et al. | Influence of dry and wet environments during fiber laser processing of metallic substrate under a neoteric scan mode | |
CN107824963A (zh) | 提高高反射金属表面激光吸收率的方法 | |
Lugade et al. | Optimization of process parameters of activated tungsten inert gas (A-TIG) welding for stainless steel 304L using Taguchi method | |
Contuzzi et al. | On modelling Nd: Yag nanosecond laser milling process by neural network and multi response prediction methods | |
Madić et al. | Fuzzy Logic Approach for the Prediction of Dross Formation in CO2 Laser Cutting of Mild Steel. | |
Velpula et al. | Prediction of electric discharge machining process parameters using artificial neural network | |
JP7244704B1 (ja) | ステンレス鋼の耐食性向上処理方法 | |
Saxena et al. | Electrochemical micromachining of actuator-grade Nitinol shape memory alloy with and without laser assistance | |
Kumar et al. | Laser-assisted removal of weld heat tints from stainless steel surface | |
WO2023007221A1 (fr) | Procédé et installation de décapage d'une couche d'oxyde d'un produit métallique | |
CN105880733B (zh) | 一种锯刀削切结构的激光蚀刻工艺 | |
Chen et al. | Optimisation and quantitative evaluation of the qualities for Nd-YAG laser transformation hardening | |
JP2001287061A (ja) | マルテンサイト系ステンレス溶接鋼管の製造方法 | |
Srivastava et al. | Experimental investigation of the effect of working parameters on wire offset in wire electrical discharge machining of hadfield manganese steel | |
DE102020202722A1 (de) | Verfahren zum Bearbeiten eines Werkstücks und Bearbeitungssystem | |
KR100913151B1 (ko) | 펄스 레이저 유기 충격파를 이용한 금속표면 세정방법 및세정장치 | |
Singh et al. | Investigation on the electrical discharge machining of cu-SHAPE memory alloy: A study on machinability and surface topography aspects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |