PSO-RBF-NSAE多目标优化模型提升GaN水导激光加工效率与质量研究

本研究针对水导激光（WJGL）加工氮化镓（GaN）材料时效率（MRR）与质量（HAZ）难以协同优化的难题，创新性地提出将粒子群优化-径向基函数网络（PSO-RBF）模型与非支配排序Alpha进化（NSAE）算法相结合的多目标优化方法。通过单因素实验和最优拉丁超立方采样设计构建数据集，利用PSO-RBF精准映射工艺参数与目标间的非线性关系，并采用NSAE算法高效求解Pareto最优解集。实验验证表明该方法能显著降低热影响区（HAZ）至9.71μm同时保持0.05mm3/s的材料去除率（MRR），实现了GaN材料无裂纹切割（锥度角4.55°，表面粗糙度<1.3μm），为硬脆材料精密加工提供了新范式。

　　

氮化镓（GaN）作为第三代半导体材料，凭借其宽禁带、高功率密度和优异的化学稳定性，在电子通信、空间光学和工业领域扮演着关键角色。然而，GaN固有的高硬度和脆性使其在传统机械加工（如磨削、研磨）过程中极易产生裂纹等脆性损伤，严重影响器件寿命。激光加工虽能避免机械应力，但加工GaN表面时易引发严重热损伤和熔渣残留，导致性能下降。水导激光（Water-Jet Guided Laser, WJGL）技术通过水束形成的光纤通道传输激光能量，兼具热损伤小、加工深度大和无须聚焦的优势，但在GaN基板加工中的应用尚属空白。更关键的是，水导激光加工效率（材料去除率MRR）与质量（热影响区HAZ）存在固有矛盾，工艺参数（水压、屏蔽气体、间距、扫描速度、频率、功率）的复杂交互作用使得协同优化极具挑战。

为突破这一瓶颈，广东工业大学激光微纳加工实验室团队在《Journal of Materials Research and Technology》发表研究，提出了一种融合粒子群优化-径向基函数网络（PSO-RBF）模型与非支配排序Alpha进化（NSAE）算法的多目标优化方法。研究人员首先通过单因素实验解析工艺参数对MRR和HAZ的影响规律，采用最优拉丁超立方采样（OLHS）设计实验获取代表性数据；继而构建PSO-RBF模型精准刻画参数与目标间的非线性关系；最后利用新型NSAE算法高效求解Pareto最优解集，并通过实验验证优化结果的可靠性。

关键技术方法

研究通过单因素实验确定关键工艺参数（功率、频率、扫描速度）的显著影响，采用最优拉丁超立方采样（OLHS）生成30组实验数据构建数据集。利用粒子群算法（PSO）优化径向基函数网络（RBF）超参数，建立工艺参数与MRR、HAZ的映射模型。创新提出非支配排序Alpha进化（NSAE）算法，融合非支配排序、拥挤度计算和精英策略，在标准测试函数（Kursawe、Viennet、ZDT系列）上验证其较NSGA-II、MOGWO等算法具有更优收敛性和计算效率。最终通过PSO-RBF-NSAE框架求解多目标优化问题，并以实际加工验证参数可行性。

2. 多目标优化方法

2.1. 提出的NSAE算法

NSAE算法通过初始化种群、快速非支配排序、Alpha算子和精英策略实现多目标优化。Alpha算子集成自适应基向量、随机步长和自适应步长，仅用单一算子即可平衡探索与开发能力。在六种基准函数测试中，NSAE的综合评价指标总分40.67，排名第一，其解集在Pareto前沿分布均匀且贴近真实前沿（图2）。

2.3. PSO-RBF-NSAE方法

PSO-RBF模型通过粒子群算法自动优化RBF网络超参数，克服传统回归模型对HAZ拟合差（R2<0.7）的局限。结合NSAE算法构建的优化框架（图3），实现了在缺乏显式函数关系时的高效多目标优化。

3. 模型开发

3.1. 关键工艺参数

单因素实验表明：水压（Hyd）、屏蔽气体（SG）和间距（SOD）对MRR和槽宽（W₁）影响不显著，但降低间距可增强水射流冲击换热效果，减小HAZ；功率（P）、频率（F）和扫描速度（v）对MRR和HAZ均有显著影响（图4-5）。功率增加使MRR上升，HAZ先降后升；频率升高导致单脉冲能量不足，MRR下降而HAZ先减后增；扫描速度提升同时增加MRR和HAZ。

3.3. 基于PSO-RBF的预测建模

PSO-RBF模型对W₁、W₂、HAZ和MRR的预测结果与实验值高度吻合（图6），准确捕捉参数间的非线性关系。

4. 结果与讨论

优化求解得到的Pareto前沿解集（图S3）显示，在功率40W、频率11kHz、扫描速度10mm/s时可实现最大MRR（0.059mm3/s），对应HAZ为12.18μm；而功率25.34W、频率6kHz、速度10mm/s时HAZ最低（8.067μm）。实验验证误差小于5%，加工样品边缘完整、表面洁净（图S4）。

研究进一步分析了WJGL能量传输机制：水束中激光呈平顶能量分布（图7），边缘能量低于中心，导致加工截面出现分层剥离特征（图8）。高功率参数下切割截面呈现光滑无裂纹形态，但底部因水流发散形成柱状凹陷（图9）。截面锥度角为4.55°，顶部、中部和底部表面粗糙度分别为0.594μm、0.451μm和1.33μm（图10）。

5. 结论

本研究成功开发了计算效率优异的NSAE多目标优化算法，结合PSO-RBF模型建立了水导激光加工GaN的工艺参数与质量效率的精准映射关系。明确水压、屏蔽气体和间距对MRR影响微弱，而功率、频率和扫描速度是核心调控参数。通过优化策略实现了GaN无裂纹切割（锥度角4.55°，粗糙度<1.3μm），为硬脆材料的高质高效加工提供了理论依据和实践方案。该研究不仅填补了WJGL加工GaN领域的空白，更为复杂工艺的多目标优化提供了可推广的智能算法框架。