基于数据的预测方法：在超声振动辅助摩擦搅拌焊接AA6082-T6合金过程中的抗拉强度和硬度研究 Eman El Shrief, Omnia O. Fadel, Mohamed Baraya, Mohamed S. El-Asfoury, Ahmed Abass

《Journal of Manufacturing and Materials Processing》：Data-Driven Prediction of Tensile Strength and Hardness in Ultrasonic Vibration-Assisted Friction Stir Welding of AA6082-T6 Eman El Shrief, Omnia O. Fadel, Mohamed Baraya, Mohamed S. El-Asfoury and Ahmed Abass

　　

摘要

本研究探讨了超声波振动如何增强AA6082-T6铝合金的摩擦搅拌焊接（FSW）效果，并开发了一种基于数据的工具，用于根据工艺参数预测焊接接头的性能。研究人员设计并调整了一个定制的超声波换能器和焊头，通过有限元模态分析和谐波分析确认其在27.9 kHz附近具有强烈的纵向共振，焊头尖端的振幅约为46 μm。进行了27次试验，变量包括工具转速（600–900 rpm）、焊接速度（45–55 mm/min）和插入深度（0.10–0.25 mm）。焊接接头的性能通过拉伸强度和维氏硬度进行评估。四种预测模型（支持向量回归SVR、高斯过程回归GPR、人工神经网络ANN和多元线性回归MLR）在五折交叉验证下进行了训练和比较。最佳焊接参数为转速900 rpm、焊接速度55 mm/min和插入深度0.25 mm，此时焊接接头的拉伸强度达到188.7 MPa，硬度为102 HV。总体而言，多元线性回归（MLR）在保持可解释性的同时展现了最强的预测能力（拉伸强度R2 = 0.81，RMSE = 11.84 MPa；硬度R2 = 0.67，RMSE = 2.36 HV），其拉伸强度预测性能与人工神经网络相当，而在硬度预测方面优于人工神经网络、高斯过程回归和支持向量回归。基于物理原理的超声波设计与可解释的预测模型相结合，为减少试验次数、优化参数选择以及加速铝合金超声波振动辅助焊接工艺的开发提供了实用途径；然而，在数据集有限的情况下，简单的模型有时也能优于复杂的模型。