锌夹层辅助AA7075-T6铝合金搅拌摩擦焊的物理建模与机器学习优化研究

本研究针对AA7075-T6铝合金搅拌摩擦焊(FSW)中存在的接头强度不足、界面结合差等问题，创新性地引入锌夹层并结合机器学习(ML)优化方法，通过ANN、SVR、RFR和GA算法构建混合框架，确定了最优工艺参数（工具转速600 rpm、轴肩半径20 mm等），预测峰值温度误差仅0.973%，显著提升了焊接热性能。该研究为高强铝合金的可靠连接提供了新思路。

　　

在航空航天和海洋工程领域，AA7075-T6铝合金因其优异的强度重量比成为关键结构材料，但其传统熔焊易产生气孔、裂纹等缺陷。搅拌摩擦焊(FSW)作为固态连接技术虽能避免熔化缺陷，但该合金焊接仍面临热分布不均、接头效率低等挑战。更棘手的是，铝合金表面氧化层熔点远高于基体，进一步阻碍了冶金结合。

为突破这些限制，研究人员创新性地采用锌夹层策略——利用锌的低熔点(419.5°C)特性促进界面扩散，同时结合机器学习方法优化工艺。通过COMSOL Multiphysics?构建包含87,439个网格单元的有限元模型，模拟锌夹层对热场分布的影响；采用响应面法(RSM)设计60组参数组合，并运用人工神经网络(ANN)、支持向量回归(SVR)和随机森林回归(RFR)构建混合预测模型。遗传算法(GA)最终确定最优参数为：工具转速600 rpm、销钉半径5.71 mm、轴肩半径20 mm、下压力6369.48 N，预测峰值温度675.71 K，与验证实验仅偏差1.79%。

关键技术创新体现在三方面：首先，建立了锌-铝双相流热力学耦合模型，通过控制方程量化了界面传质速率(?_Zn,Al)与热通量分布(Q_s)的关系；其次，开发了多算法协同的ML框架，其中RFR模型的R²达0.989，显著优于传统统计方法；最后，通过特征相关性热图揭示工具转速(ω)对温度影响权重达70%，而几何参数影响不足12%，为参数优化指明方向。

研究结果验证了锌夹层的多重优势：在最优参数下，锌的局部熔化改善了材料流动性，使接头区域形成Al-Zn固溶体；热模拟显示温度梯度降低23%，有效抑制了热影响区(HAZ)的晶粒粗化。机器学习分析进一步表明，增大轴肩半径可提升28%的热输入效率，但需与下压力(F_n)协同控制以避免过烧。

这项研究的意义在于：物理建模首次量化了锌夹层对FSW热力学行为的影响规律；ML优化框架将工艺开发周期缩短80%；提出的"低温扩散+智能优化"策略为高强铝合金焊接提供了新范式。未来研究可拓展至其他低熔点金属夹层体系，并开发在线温度调控系统以实现动态优化。该成果发表于《Next Materials》，为航空航天轻量化结构制造提供了关键技术支撑。