利用机器学习对摩擦搅拌焊接的AA2014/AA7075铝合金接头的机械性能、材料流动和热分析进行预测性研究

《Scientific Reports》：Predictive analysis on mechanical properties, material flow and thermal analysis of friction stir welded dissimilar AA2014/AA7075 Al-alloy joints using machine learning

　　

摘要

铝合金是航空航天应用中最理想的材料，而采用环保方法将这种轻质材料连接起来，激发了人们对绿色焊接技术持续研究的兴趣。在本研究中，利用摩擦搅拌焊接（FSW）技术制备了厚度为10毫米的AA2014/AA7075铝合金异种材料的固态接头。研究了这些焊接接头的微观结构和力学性能，以及在不同条件下焊接过程中的温度变化。通过人工神经网络（ANN）模型来预测在不同条件下制备的焊接接头的力学性能。使用五边形销钉轮廓的混合结构进行焊接的接头表现出最高的抗拉强度（UTS）和屈服强度（YS），分别为294 MPa和267 MPa。该模型利用27个实验结果的数据集进行了有效的预测，为抗拉强度的预测和FSW参数的优化提供了一种可靠的数据驱动方法。在900转/分钟、31.5毫米/分钟的速度、2°的倾斜角度、0毫米的刀具偏移量以及五边形销钉轮廓的条件下制备的焊接接头，其接头效率达到了62%，这符合航空航天应用所需的60%的效率标准。人工神经网络模型的预测结果与实验结果吻合度较高（R2 = 0.93）。然而，由于数据集规模相对较小（L27设计），这一结论仍需进一步验证。