基于监督式机器学习回归算法的6061铝合金搅拌摩擦焊工艺参数优化
机器学习
2021-09-07 v1
摘要
高比强度准则在几乎所有不可或缺减重需求的领域中引发了日益增长的关注。轻量化材料及其连接工艺也是制造业近期的研究需求热点。搅拌摩擦焊（FSW）是近期在不添加任何第三材料（填充焊丝）且于母材熔点以下进行材料连接的先进工艺之一。该工艺广泛用于连接同种及异种金属，尤其是铝、铜、镁等轻量有色金属合金。本文给出了在获得增强焊缝力学性能方面最优工艺参数的结论。实验在5 mm厚6061铝合金板上进行。采用的工艺参数包括：刀具材料、转速、行进速度与轴向力。通过拉伸试验检验焊缝力学性能，最大接头强度效率达94.2%。使用了决策树、随机森林与梯度提升算法等基于监督式机器学习的回归算法。结果表明，随机森林算法的决定系数值最高，为0.926，意味着相较于其他算法其拟合效果最佳。
引用
@article{arxiv.2109.00570,
title = {Process parameter optimization of Friction Stir Welding on 6061AA using Supervised Machine Learning Regression-based Algorithms},
author = {Akshansh Mishra and Eyob Messele Sefene and Assefa Asmare Tsegaw},
journal= {arXiv preprint arXiv:2109.00570},
year = {2021}
}