《Materials》：Process Optimization and Microstructure in High-Speed Coaxial Dual-Laser Welding of SUS301 Thin Sheets Using an SSA-BP Model
编辑推荐：
为预测高速同轴连续-脉冲双激光对焊1 mm厚SUS301（奥氏体不锈钢）板材的焊缝几何形貌并阐明结构-性能关系，研究人员建立了SSA-BP（Sparrow Search Algorithm-Back Propagation，麻雀搜索算法优化反向传播）神经网络模
为预测高速同轴连续-脉冲双激光对焊1 mm厚SUS301（奥氏体不锈钢）板材的焊缝几何形貌并阐明结构-性能关系，研究人员建立了SSA-BP（Sparrow Search Algorithm-Back Propagation，麻雀搜索算法优化反向传播）神经网络模型，以描述焊接参数与焊缝形貌之间的非线性关联。该模型将连续激光功率、焊接速度、脉冲频率及脉冲宽度与焊缝宽度及熔深相关联。为提高模型验证的透明度，研究人员采用相同独立测试集对常规BP与SSA-BP模型进行了比较，并利用原始实验样本开展了五折交叉验证。在独立测试集上，SSA-BP模型取得了总体相关系数R = 0.960，其中焊缝宽度与熔深的RMSE（Root Mean Square Error，均方根误差）分别为0.0561 mm和0.0439 mm。与常规BP模型相比，SSA-BP使总体RMSE、MAE（Mean Absolute Error，平均绝对误差）及MAPE（Mean Absolute Percentage Error，平均绝对百分比误差）分别降低了25.9%、36.4%和29.6%。五折交叉验证进一步表明该模型在不同数据划分下均具有稳定的预测性能。基于预测及实测焊缝几何数据，研究人员按照焊缝深宽比（Φ = h/w）筛选了候选参数集。在当前实验窗口内，Φ = 0.82–0.84的接头表现出更稳定的焊缝成形及相对更高的极限抗拉强度（1211.4–1264.8 MPa），优于该区间外的两个代表性接头（Φ = 0.63时为796.0 MPa，Φ = 0.88时为1061.1 MPa）。因此，该区间应视为当前焊接条件下的有利经验范围，而非普适最优值。对代表性高强接头的断口形貌观察显示丰富的韧窝及撕裂棱，表明其具有韧性断裂特征。EBSD（Electron Backscatter Diffraction，电子背散射衍射）分析进一步揭示了从焊缝中心到母材的梯度微观组织。焊缝中心及熔合线邻近区域表现出较高比例的高角度晶界（66.2–70.6%），而相分布、GND（Geometrically Necessary Dislocation，几何必需位错）密度及KAM（Kernel Average Misorientation，核平均取向差）图谱则显示了渐进的相转变及局部化但非连续的应变集中特征。上述结果表明，本研究提出的方法为SUS301薄板焊接中的焊缝几何预测、以及将形貌筛选与拉伸响应和微观组织非均质性相联系提供了有效途径。
随着轨道交通、汽车工业等全球工程领域对轻量化、高强度及高成形性金属构件需求的持续增长，SUS301亚稳奥氏体不锈钢凭借其强度、塑性与耐蚀性的优异组合，已成为薄壁承载结构的首选材料之一。SUS301通过应变诱导马氏体相变实现超高比强度，在追求极致减重目标的航空航天领域展现出巨大应用潜力。然而，对于厚度1 mm及以下的薄板而言，焊接接头质量直接决定了航天器及航空构件的尺寸稳定性、服役安全性与结构完整性。但由于厚度有限且对热输入高度敏感，薄板激光焊接极易产生烧穿及穿孔缺陷，严重损害焊缝成形质量与接头可靠性。
为改善传统单光束激光焊接中熔池稳定性有限及工艺可控性不足的问题，双激光辅助焊接技术受到日益广泛的关注。同轴双光束激光焊接通过独立可调的功率分配及焦平面定位，可有效调控轴向强度分布，从而显著影响焊缝熔深及工艺稳定性。在不锈钢连接领域，双光束激光焊接同样被证实可通过扩大熔池、增强熔体流动及稳定小孔行为来降低气孔率并改善焊缝质量。尽管如此，该工艺仍涉及激光功率、焊接速度、脉冲频率及脉冲宽度等多重强耦合变量，使得传统试错法或单因素方法难以高效识别可靠的参数窗口。
与此同时，机器学习类方法已逐渐被引入焊接研究领域，用于工艺建模、焊缝质量预测及参数优化。激光焊接的复杂性表现为输入参数、熔池行为与最终焊缝形貌之间的高度非线性关联，亟需先进的计算预测工具。人工神经网络尤其适用于此类问题，因其无需显式解析表达式即可逼近非线性输入-输出关系。然而，对于强耦合且数据集相对有限的工艺过程，常规BP神经网络仍对初始权重和阈值敏感，易于陷入局部最优，可能导致收敛效率、稳健性及预测精度下降。尽管遗传算法（GA）和粒子群优化（PSO）已广泛用于焊接应用中神经网络模型的优化，但本研究选择SSA（麻雀搜索算法）的原因在于其提供了一种简单的基于种群的搜索机制，通过发现者-跟随者-警戒者更新策略，适用于优化BP神经网络的初始权重和阈值，并能在有限且高度耦合的数据集条件下提高收敛稳定性。
此外，前人研究表明，工艺参数的变化可显著改变不锈钢激光焊接的熔池几何、凝固行为及最终微观组织。这意味着焊接参数的选择不应仅基于焊缝宽度或熔深，还应考虑所得几何特征是否与有利的力学响应及有意义的结构-性能相关性相容。这一问题对于高速同轴双激光焊接SUS301薄板尤为重要，因其参数耦合及微观组织非均质性均较为显著。
本研究聚焦于1 mm厚SUS301不锈钢板材的高速同轴连续-脉冲双激光对焊。在脉冲激光功率固定为640 W的条件下，研究了连续激光功率、焊接速度、脉冲频率及脉冲宽度对焊缝宽度、熔深、深宽比及接头性能的影响。建立了SSA-BP模型预测焊缝宽度与熔深，并通过与常规BP模型对比及五折交叉验证评估其准确性与稳定性。随后利用焊缝深宽比及拉伸性能筛选有利经验参数范围，同时采用SEM（Scanning Electron Microscopy，扫描电子显微镜）断口分析、EBSD相分布、GND密度及KAM分析解释代表性高强接头的断裂行为与微观组织特征。
研究所采用的关键技术方法主要包括：第一，基于MATLAB 2024b平台构建4-15-2结构的BP神经网络，采用双曲正切Sigmoid函数（tansig）作为隐层激活函数、线性传递函数（purelin）作为输出层激活函数，并以均方误差（MSE）作为目标函数；第二，采用SSA优化BP神经网络的初始权重和阈值，种群规模设为10，最大迭代次数为50，发现者比例为0.2，警戒值为0.8；第三，对80组原始实验样本进行五折交叉验证，仅对训练子集施加受控噪声注入以增强数值稳定性，验证子集保持原始实验数据；第四，采用CSS-2205万能试验机以2 mm/min加载速度进行拉伸测试；第五，对接头进行标准磨抛腐蚀后，利用光学显微镜和扫描电子显微镜观察焊缝几何、微观组织及断裂特征；第六，对选自有利深宽比区间（Φ = 0.82–0.84）的代表性接头进行EBSD分析，涵盖焊缝中心（A、B区）、熔合线邻近（C、D区）、热影响区（E区）及母材（F、G区）共七个区域，系统分析IPF（Inverse Pole Figure，反极图）图谱、晶界分布、相分布、GND密度及KAM图谱。
在焊缝几何预测与参数优化方面，研究人员首先建立了BP神经网络模型。该模型以连续激光功率p、焊接速度v、脉冲频率f及脉冲宽度τ为输入变量，以焊缝宽度W及熔深h为输出变量。为消除量纲不一致对模型训练的影响，样本数据采用min-max归一化处理。在此基础上，研究人员进一步构建了SSA-BP预测模型，将BP网络的初始权重和阈值编码为麻雀个体位置，以BP网络的均方误差作为适应度函数，通过发现者搜索、跟随者跟踪及警戒者调整的三阶段机制迭代寻优。SSA适应度曲线显示，算法在迭代初期迅速下降并渐趋稳定，表明SSA能有效在有限迭代次数内搜索BP网络的初始权重和阈值，使模型较快进入稳定收敛状态。
模型训练结果表明，SSA-BP模型的最优验证性能出现在第43代，验证误差为0.0029289。模型回归结果显示，训练集、验证集和测试集的相关系数分别为0.96457、0.97096和0.92853，总体相关系数达0.96004。在独立测试集上，SSA-BP模型的总体RMSE为0.0504 mm，MAE为0.0323 mm，MAPE为3.09%；与常规BP模型相比，总体RMSE、MAE和MAPE分别降低25.9%、36.4%和29.6%，其中焊缝宽度预测的改善尤为显著。五折交叉验证进一步表明，SSA-BP模型在不同数据划分下保持稳定预测性能，熔深和焊缝宽度的平均RMSE分别为0.0305 mm和0.0301 mm，平均MAE分别为0.0231 mm和0.0228 mm，平均总体MAPE为2.08%（标准差0.48%）。
在深宽比与接头极限抗拉强度关系方面，研究人员定义深宽比Φ = h/w以表征焊缝截面的窄深特征及几何协调性。实验发现，接头极限抗拉强度随深宽比变化呈先增后降趋势，而非单调递增。当深宽比处于0.82–0.84区间时，焊缝成形更为稳定，且极限抗拉 strength 达到1211.4–1264.8 MPa，较区间外代表性接头（Φ = 0.63时为796.0 MPa，Φ = 0.88时为1061.1 MPa）显著提升。该区间内三个代表性接头的表面成形连续、焊道均匀，截面轮廓完整、熔合边界清晰，未出现明显宏观缺陷。
在微观组织分析部分，研究人员对深宽比0.82–0.84区间内的代表性高强接头进行了系统EBSD表征。IPF图谱和晶界分布显示，焊缝中心（A、B区）及熔合线邻近区域（C、D区）的高角度晶界（HAGB）分数达66.2–70.6%，显著高于母材F、G区的45.8%和41.8%；热影响区（E区）的HAGB分数为60.9%，介于焊缝区与母材之间，形成了良好的过渡而非突变。相分布图谱揭示了从焊缝中心到母材的渐进相转变：焊缝中心A、B区的体心立方（bcc）相分数分别为75.8%和78.7%，熔合线邻近C、D区降至69.9%和69.4%，而热影响区E区及母材F、G区的面心立方（fcc）相分数则逐次增加至42.3%、54.5%和54.4%。GND密度图谱显示，A-D区的高GND密度区主要沿微观结构边界和带状特征局部分布，而非在熔合线形成连续高密度带；KAM图谱则以低KAM值为主，较高KAM值仅局部出现于边界和带状特征附近，表明接头中不存在大面积的焊后严重局部取向差。
研究讨论部分指出，深宽比0.82–0.84区间内的接头不仅表现出更协调的焊缝形貌，还具有更可靠的拉伸响应。这一机械行为不仅受宏观焊缝几何控制，还与焊接热循环诱导的局部微观组织演变密切相关。EBSD分析表明，该区间内代表性接头的微观组织特征可概括为：焊缝中心及熔合线邻近区域具有66.2–70.6%的高HAGB分数，表明焊接过程中发生了充分的微观组织重构；热影响区作为中间过渡区，避免了微观结构的突变；相分布从焊缝中心到母材呈连续渐变而非骤然分离；GND和KAM图谱显示局部化但非连续的应变集中特征，使局部变形可分散于多个微观组织区域而非集中于单一弱路径。这些微观组织特征为接头的高强度提供了冶金学基础。需要指出的是，上述EBSD分析仅针对深宽比0.82–0.84区间内的代表性高强接头，其结果提供了该选定接头的直接微观组织证据，但不应视为该区间 universally optimal 的统计证明。
研究结论部分指出：所建立的SSA-BP模型可有效预测SUS301薄板高速同轴双激光焊接的焊缝宽度和熔深，总体相关系数达0.960；接头承载能力与焊缝深宽比密切相关，Φ = 0.82–0.84的经验范围与相对稳定的焊缝成形及较高的拉伸强度相关联；对代表性高强接头的EBSD分析揭示了从焊缝中心到母材的梯度微观组织，焊缝中心及熔合线邻近区域具有高HAGB分数（66.2–70.6%），相分布、GND及KAM图谱进一步显示了渐进的相转变及局部化但非连续的应变集中特征，这些微观组织特征为所选接头的稳定拉伸响应提供了支持证据。从工业应用角度，所提出的SSA-BP辅助筛选方法可减少试错实验，为SUS301薄板的高速同轴双激光焊接提供初步指导；但该模型基于特定工艺窗口内的1 mm厚SUS301板材开发，当板厚、接头构型、保护条件或激光功率范围变化时，需利用额外实验数据进行重新训练或校准后方可投入工业应用。
