用于评估搅拌摩擦焊接头性能的机器学习模型的设计、开发与测试

本文使用六种监督机器学习模型（即线性回归、支持向量回归、决策树回归、随机森林回归、K-近邻和人工神经网络）评估了搅拌摩擦焊接头的极限抗拉强度（UTS）和硬度。在用于训练和测试模型的200个数据集中，工具移动速度、工具旋转速度、搅拌针直径、轴肩直径、工具偏移量和工具倾角为六个输入参数。深度学习人工神经网络（ANN）表现出最高的准确性。因此，成功应用ANN方法估算了搅拌摩擦焊接头的UTS和硬度。此外，从收集的数据点中提取了搅拌针直径、工具偏移量和工具旋转速度对UTS及硬度的影响关系。而且，将钢-镁基焊接头的UTS和硬度等实验结果与模型估算结果进行了对比，以交叉验证模型的泛化能力。结果表明，在所需工艺条件下，ANN估算结果与实验结果高度一致，具有足够高的准确性。