一种铝/铜异种金属激光焊接参数多目标优化方法

本发明涉及一种激光焊接参数多目标优化方法，具体是一种基于bka-gbrt与mospo的铝/铜异种金属激光焊接参数多目标优化方法，属于激光焊接。

背景技术：

1、电动汽车的使用相较于传统燃油汽车会大量减少碳排放，如何提高电动汽车的可靠性是大力发展电动汽车的关键问题。电池是电动汽车的核心组成部分，改进电动汽车电池的连接技术是提高电动汽车可靠性的重要方式之一。目前市面上的电动汽车电池均是由大量锂离子电池串联或者并联组成，因此对锂离子电池电极中的铝/铜异种金属焊接技术进行改良可以增加电池性能、提高电动汽车的可靠性。

2、然而由于铝和铜在化学和物理性能上的差异，导致在焊接过程中接头会出现气孔、裂纹和金属间化合物(imcs)等缺陷，这极大地影响焊接接头的性能。激光焊接能够准确控制热输入、同时由于其热输入较低可以更好地控制imcs的生成，可通过优化激光功率、焊接速度、离焦量和填充材料等方式来减少焊接缺陷以提高铝/铜异种金属焊接接头的性能，因此激光焊接工艺成为电池模块生产中的关键技术之一。

3、现有的激光焊接工艺参数优化方法一般包括激光焊接工艺参数预测与参数优化两部分内容。激光焊接参数预测模型作为建立激光焊接工艺参数与焊接质量评定参数之间的非线性映射关系的方法，其预测精度直接影响到激光焊接工艺参数的优化效果。常用的焊接参数预测方法包括经验计算、实验总结、数值模拟等方法。经验计算与实验总结往往建立在经验的基础上，计算结果与实际情况可能有较大的误差，数值模拟则需要专业人员花费大量时间精力进行仿真模拟并需要耗费较多的计算资源。响应面法与机器学习方法凭借其可以快速准确的预测焊接变形被广泛应用，然而多项式响应面法在处理复杂问题时，需要大量的实验样本，成本较高。机器学习方法凭借其需要小样本量与预测精度较高的优势逐渐被推广，然而由于不同的机器学习模型在不同的情况下表现情况不尽相同，针对于特定的数据集，现有的采用单一预测模型的焊接工艺参数预测方法并不一定能达到最优的预测效果。

4、另外，在添加填充材料的研究中，业内研究者已尝试添加镍箔和锡基填料等填充材料，虽然取得一定的成果，但焊缝仍存在许多问题、焊接效果并不理想。

技术实现思路

1、针对上述问题，本发明提供一种铝/铜异种金属激光焊接参数多目标优化方法，能够在实现降低焊接成本的前提下实现减少铝/铜异种金属激光焊接后焊接件的翘曲变形量、并提高铝/铜异种金属激光焊接件的可承受最大拉力，进而实现低成本地提高铝/铜异种金属激光焊接的可靠性，可以为获取铝/铜异种金属激光焊接最优工艺参数组合提供理论依据和数据支持，特别适用于电动汽车锂离子电池电极中的铝/铜异种金属焊接。

2、为实现上述目的，本铝/铜异种金属激光焊接参数多目标优化方法具体包括以下步骤：

3、step1，将焊接件的翘曲变形量y1、焊接件可承受的最大拉力y2和焊接成本y3作为优化目标，将激光功率x1、焊接速度x2、离焦量x3和填充材料添加量x4作为优化设计变量，确定优化设计变量的取值范围、并设计正交试验，进行激光焊接，得到试验结果；

4、其中，焊接成本的计算公式如下：

5、

6、式中：y3为焊接成本，单位￥；x1为激光功率，单位w；x2为焊接速度，单位mm/min；x4为填充材料添加量，单位g；

7、step2，基于试验结果，将激光功率x1、焊接速度x2、离焦量x3和填充材料添加量x4作为输入，将焊接件的翘曲变形量y1和焊接件可承受的最大拉力y2作为输出，构建用bka优化gbrt的bka-gbrt模型；

8、step3，对bka-gbrt模型通过mospo算法进行多目标寻优，获得优化目标的pareto前沿；

9、step4，通过critic-topsis评价法在获得的优化目标的pareto前沿中确定工艺参数优组合。

10、进一步的，step2中，采用优化策略在优化过程中实现三个优化目标之间的平衡、以获得更优的优化结果，优化策略包括取焊接件可承受最大拉力预测函数的倒数并引入10的权重系数和对焊接成本的预测函数引入2的权重系数，优化结果的激光焊接参数数学模型表示如下：

11、

12、进一步的，step2中，用bka优化gbrt的具体步骤如下：

13、①加载试验数据；

14、②定义bka的超参数，包括种群数量、最大迭代次数以及要优化的numlearningcycles和learnrate这两个超参数的上下界；

15、③将数据进行随机排序后分成训练集和测试集；

16、④定义一个匿名函数fobj作为目标函数；

17、⑤调用bka算法，获得最优适应度值、最优解和算法收敛曲线；

18、⑥利用bka算法获得的最优解训练gbrt模型；

19、⑦根据测试集的预测值和实际试验结果计算均方误差、决定系数和平均相对误差，并根据这些评估指标更新最优参数；

20、⑧输出最优结果，并生成真实值与预测值的散点图。

21、进一步的，step3中，对bka-gbrt模型通过mospo算法进行多目标寻优，具体如下：

22、①加载step2训练好的bka-gbrt模型；

23、②定义mospo参数，包括最大迭代次数、种群大小以及档案库的最大容量；

24、③执行mospo多目标算法：

25、首先初始化种群和颜色组合策略，其中每个粒子的position均在参数的上下限范围内随机生成，并计算其目标函数值cost；

26、其次颜色组合策略生成新解，有四种颜色组合策略，每种策略生成一个新的粒子位置，并更新其目标函数值；

27、最后进行档案库的更新和解的选择，每次生成新的解后将非支配解加入档案库，并通过函数重新筛选非支配解，当档案库超过设定的最大容量时删除多余解；

28、④对结果进行筛选，若解集过少，则继续进行迭代，当迭代次数达到定义的最大迭代次数时停止迭代；

29、⑤保存pareto前沿，并根据pareto前沿绘制三维图形。

30、进一步的，step4中通过critic-topsis评价法在获得的优化目标的pareto前沿中确定工艺参数优组合时，具体如下：

31、①加载step3中寻优得到的pareto前沿；

32、②将数据进行标准化处理；

33、③计算标准差和相关系数矩阵；

34、④计算critic权重，通过将每个指标的信息量除以所有信息量之和来标准化权重；

35、⑤应用topsis方法：

36、首先计算加权标准化决策矩阵，通过将标准化后的数据矩阵乘以对应的权重来获得加权标准化矩阵；

37、其次识别正理想解和负理想解；

38、最后计算每个方案与正理想解、负理想解的距离；

39、⑥计算相对接近度，并通过对相对接近度进行降序排序，得到方案的优劣排名；

40、⑦根据输出的排名找到其中最优的一组，再根据pareto前沿找到对应的工艺参数组合。

41、进一步的，填充材料是高熵合金粉末。

42、与现有技术相比，本铝/铜异种金属激光焊接参数多目标优化方法以铝/铜异种金属激光焊接件的翘曲变形量、可承受的最大拉力以及焊接成本作为优化目标，建立用bka优化gbrt的bka-gbrt模型，然后基于该模型利用mospo算法在各种激光焊接参数中搜索pareto前沿，最后通过critic-topsis综合评价确定最优的激光焊接参数组合。试验结果表明，根据本发明使用的优化方法预测的焊接试验结果与实际实验值的误差控制在5％以内，模型预测准确性较好，且优化后的焊接件的翘曲变形量、焊接成本分别比优化前的结果均有明显降低，优化后的焊接件可承受的最大拉力比优化前的结果有明显提高，利用优化后的激光焊接参数进行焊接可显著降低焊接成本、并提高产品质量，可以为获取铝/铜异种金属激光焊接最优工艺参数组合提供理论依据和数据支持，特别适用于电动汽车锂离子电池电极中的铝/铜异种金属焊接。