铝合金双轴肩搅拌摩擦焊的力行为及缺陷预测研究.pdfVIP

摘要

双轴肩搅拌摩擦焊（Bobbintoolfrictionstirwelding,BTFSW）有效解决了传

统FSW载荷过高和容易发生未焊透等问题，在无支撑结构件的焊接中得到了广

泛应用。BTFSW是一个复杂的热力耦合过程，焊缝内部容易出现孔洞和隧道等

隐藏缺陷，焊接力可以反应焊接过程中材料的变形和流动特征，与焊接缺陷的产

生有着紧密的联系。本研究中使用测力系统采集了8mm厚6061-T6铝合金

BTFSW过程中的前进力Fx、侧向力Fy和轴向力Fz，研究BTFSW力的特征及

其与焊接缺陷间的关系，建立了基于力特征参数的四个机器学习模型，实现了对

BTFSW缺陷的预测。

BTFSW稳定焊接过程中的Fx、Fy和Fz呈周期性波动，波动的频率等于搅

拌头的旋转频率，其中Fy的值最大，Fx和Fy的振幅相近而Fz的振幅较小。孔

洞和隧道缺陷形成时焊接力的大小和波形发生变化，焊接参数的变化对Fx的影

响最大而对Fy和Fz的影响较小，出现缺陷时Fy的增加最为明显。

缺陷形成时焊缝中材料流动会发生紊乱，导致焊接力的波形发生变化，未充

分流动的材料在焊缝后退侧堆积会增大其与搅拌头间的挤压力从而导致Fy增大，

而无缺陷焊缝中材料具有周期性流动特征，因此焊接力呈稳定周期性波动。数值

模拟结果表明，焊接热输入较高导致孔洞缺陷形成时搅拌头周围材料流速减弱，

焊缝前进侧会出现材料断流区，导致焊接力异常波动。未充分流动的材料在焊缝

后退侧受到搅拌头的挤压发生了严重的塑性变形，从而形成高塑性应变区。

提取了47组BTFSW试验中焊接力的时域和频域特征，使用过采样和归一

化处理后作为输入数据集分别建立了BP神经网络、支持向量机、K-最近邻和决

策树四种机器学习算法模型用于预测焊接缺陷，最高准确率分别为96.7%、95.8%、

95.3%和95.8%。通过计算不同力特征的皮尔逊相关系数和信息增益值对焊接力

特征进行降维处理后，四个模型预测缺陷的最大准确率分别提升为99.1%、98.1%、

98.6%和96.7%。信息增益的大小和决策树的结构图表明Fy的最大值对缺陷的产

生最为敏感，是预测焊接缺陷的最关键的特征，Fx对预测缺陷产生的重要性低

于Fy，而Fz对缺陷产生的响应最弱。

关键词：双轴肩搅拌摩擦焊，焊接力，焊接缺陷，机器学习，缺陷预测

ABSTRACT

Bobbintoolfrictionstirwelding(BTFSW)effectivelysolvestheproblemsofhigh

loadandlackofpenetrationofconventionalFSW,whichiswidelyusedinthewelding

ofunsupportedstructuralparts.BTFSWisacomplexthermos-mechanicalcoupling

process.Voidandtunneldefectsareeasytoappearintheweld.Weldingforcecan

reflectthedeformationandflowcharacteristicsofmaterialsintheweldingprocess,

whichiscloselyrelatedtothegenerationofweldingdefects.Inthisstudy,theforward

forceFx,lateralforceFyandaxialforceFzof8mmthick6061-T6aluminumalloyin

theprocessofBTFSWwerecollectedbyaforcemeasuringsystem.Thecharacteristics

ofBTFSWforceanditsrelationshipwithweldingdefectswerestudied.Fourmachine