基于可解释数据驱动的铝/CFRTP热压连接工艺-微观结构-强度关系建模研究

本文提出了一种创新的可解释数据驱动框架，通过将热压连接条件（温度、压力）和界面微观特征转化为无量纲参数，并采用梯度提升决策树（GBDT）模型，成功实现了铝/碳纤维增强热塑性复合材料（CFRTP）连接强度的高精度预测（R2 > 0.90）。研究进一步通过模型蒸馏技术提取出简明的数学表达式，揭示了适度热输入促进界面化学键合、而过量热输入导致CFRTP分解缺陷的关键机制，为异质材料连接工艺优化提供了物理可泛化的理论模型和方法支撑。

　　

Highlight

数据驱动的工艺-结构-强度分析方法

本章介绍了一个系统的数据驱动框架，用于分析热压过程中工艺条件、界面微观结构特征和连接强度之间的耦合关系。如图1所示，该框架包含四个主要步骤：(1) 数据采集与准备，包括工艺设计、界面表征和模拟辅助参数提取；(2) 构建具有物理意义的无量纲特征集；(3) 基于回归模型的预测；(4) 模型解释与知识提炼。

工艺条件与微观结构特征

为了定量预测工艺条件对微观结构特征的影响，我们开发了一系列基于梯度提升决策树（GBDT）的回归模型。GBDT是一种强大的机器学习算法，它通过迭代地最小化残差，将多个弱学习器（即决策树）集成为一个强学习器。在本研究中，我们为每个微观结构特征分别构建了GBDT模型（从GBDT_model1到GBDT_model7），如图7所示。这些模型能够高精度地捕捉工艺参数与微观特征之间的复杂非线性关系。

结论

本研究建立了一个全面的数据驱动框架，以研究铝和CFRTP热压连接中工艺条件、微观结构特征和连接强度之间的定量关系。通过采用无量纲化、机器学习模型和模型蒸馏技术，我们揭示了不同特征之间复杂的耦合机制。本研究的主要发现可总结如下：

• •
  1. 1.
     基于无量纲特征的GBDT模型被成功开发...