本發(fā)明涉及攪拌摩擦焊工藝參數(shù)優(yōu)化領(lǐng)域，具體是指一種鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化方法。

背景技術(shù)：

1、鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化是指在攪拌摩擦焊過程中，通過調(diào)整和改進(jìn)焊接過程中的各項(xiàng)參數(shù)，以找到最佳的工藝參數(shù)組合，從而提高焊接接頭的強(qiáng)度、外觀和一致性，同時(shí)提升焊接效率和鋁合金結(jié)構(gòu)件的整體性能。然而現(xiàn)有的鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化方法，存在以下問題：

2、（1）由于鋁合金攪拌摩擦焊的實(shí)驗(yàn)成本高，難以獲得大量數(shù)據(jù)，因此現(xiàn)有的利用神經(jīng)網(wǎng)絡(luò)進(jìn)行工藝參數(shù)優(yōu)化的方法容易出現(xiàn)過擬合的問題，使得模型的泛化能力較差，難以對(duì)焊接接頭質(zhì)量進(jìn)行精準(zhǔn)預(yù)測(cè)；

3、（2）由于鋁合金攪拌摩擦焊的工藝參數(shù)變化范圍大、精度要求高，傳統(tǒng)的優(yōu)化算法在找尋最優(yōu)工藝參數(shù)組合時(shí)的收斂效率較低，難以獲得工藝參數(shù)組合的最優(yōu)解，進(jìn)而導(dǎo)致對(duì)焊接接頭質(zhì)量的預(yù)測(cè)效果較差。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化方法。針對(duì)鋁合金攪拌摩擦焊的實(shí)驗(yàn)成本高，難以獲得大量數(shù)據(jù)，因此現(xiàn)有的利用神經(jīng)網(wǎng)絡(luò)進(jìn)行工藝參數(shù)優(yōu)化的方法容易出現(xiàn)過擬合的問題，使得模型的泛化能力較差，難以對(duì)焊接接頭質(zhì)量進(jìn)行精準(zhǔn)預(yù)測(cè)問題，本發(fā)明利用多特征子集協(xié)同網(wǎng)絡(luò)將工藝參數(shù)分為多種特征子集，并為每個(gè)特征子集構(gòu)建一個(gè)子網(wǎng)絡(luò)，同時(shí)構(gòu)建一個(gè)主網(wǎng)絡(luò)輸出子網(wǎng)絡(luò)的權(quán)重，隱式地增加了訓(xùn)練樣本的數(shù)量，提高了對(duì)于焊接接頭質(zhì)量預(yù)測(cè)結(jié)果的準(zhǔn)確性；針對(duì)鋁合金攪拌摩擦焊的工藝參數(shù)變化范圍大、精度要求高，傳統(tǒng)的優(yōu)化算法在找尋最優(yōu)工藝參數(shù)組合時(shí)的收斂效率較低，難以獲得工藝參數(shù)組合的最優(yōu)解，進(jìn)而導(dǎo)致對(duì)焊接接頭質(zhì)量的預(yù)測(cè)效果較差的問題，本發(fā)明結(jié)合多特征子集協(xié)同網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果，利用改進(jìn)遺傳算法對(duì)工藝參數(shù)進(jìn)行優(yōu)化，改進(jìn)遺傳算法具體為對(duì)傳統(tǒng)的遺傳算法中的交叉和變異部分進(jìn)行改進(jìn)，在交叉操作中以焊接接頭抗拉強(qiáng)度作為適應(yīng)度，以適應(yīng)度作為指標(biāo)選取交叉子代，在變異操作中通過自適應(yīng)變異策略調(diào)整變異率，并對(duì)子代的基因進(jìn)行選擇性變異，加快了收斂效率的同時(shí)提高了全局最優(yōu)工藝參數(shù)組合的搜索能力，顯著提升了鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化的精確度和實(shí)際應(yīng)用效果。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供了一種鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化方法，具體的步驟如下：

3、步驟s1：獲取實(shí)驗(yàn)數(shù)據(jù)，每組實(shí)驗(yàn)數(shù)據(jù)包括鋁合金攪拌摩擦焊過程中的工藝參數(shù)和對(duì)應(yīng)的焊接接頭抗拉強(qiáng)度；

4、步驟s2：利用多特征子集協(xié)同網(wǎng)絡(luò)對(duì)工藝參數(shù)和焊接接頭抗拉強(qiáng)度之間的關(guān)系進(jìn)行學(xué)習(xí)，多特征子集協(xié)同網(wǎng)絡(luò)具體包括一個(gè)主網(wǎng)絡(luò)和若干子網(wǎng)絡(luò)，其中主網(wǎng)絡(luò)生成每個(gè)子網(wǎng)絡(luò)的權(quán)重，子網(wǎng)絡(luò)預(yù)測(cè)工藝參數(shù)相應(yīng)的焊接接頭抗拉強(qiáng)度；

5、步驟s3：利用多特征子集協(xié)同網(wǎng)絡(luò)和改進(jìn)遺傳算法找到最優(yōu)工藝參數(shù)組合。

6、進(jìn)一步地，所述步驟s2具體包括：

7、步驟s21：構(gòu)建特征子集：從工藝參數(shù)中任意選取一項(xiàng)至全部項(xiàng)數(shù)，形成n種不同的組合，每種組合為一個(gè)特征子集，從而構(gòu)建n個(gè)特征子集；

8、步驟s22：用二進(jìn)制掩碼表示特征子集：對(duì)于每個(gè)特征子集用一串由0和1構(gòu)成的數(shù)字進(jìn)行表示，數(shù)字的每一位代表工藝參數(shù)對(duì)應(yīng)項(xiàng)的參數(shù)是否被選中，將被選中項(xiàng)表示為1，未被選中項(xiàng)表示為0；

9、步驟s23：構(gòu)建n個(gè)子網(wǎng)絡(luò)：對(duì)于每個(gè)特征子集構(gòu)建一個(gè)子網(wǎng)絡(luò)，對(duì)于每個(gè)子網(wǎng)絡(luò)，將對(duì)應(yīng)特征子集的二進(jìn)制掩碼與實(shí)驗(yàn)數(shù)據(jù)的工藝參數(shù)部分相乘，將乘積結(jié)果作為子網(wǎng)絡(luò)的輸入數(shù)據(jù)，子網(wǎng)絡(luò)輸出對(duì)于焊接接頭抗拉強(qiáng)度的預(yù)測(cè)結(jié)果，子網(wǎng)絡(luò)的權(quán)重通過主網(wǎng)絡(luò)獲得；

10、步驟s24：構(gòu)建主網(wǎng)絡(luò)：主網(wǎng)絡(luò)接收每個(gè)特征子集的二進(jìn)制掩碼，輸出對(duì)應(yīng)子網(wǎng)絡(luò)的權(quán)重；

11、步驟s25：利用實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練多特征子集協(xié)同網(wǎng)絡(luò)：多特征子集協(xié)同網(wǎng)絡(luò)的總損失值為所有子網(wǎng)絡(luò)的損失值之和的平均值，每個(gè)子網(wǎng)絡(luò)的損失值為預(yù)測(cè)的焊接接頭抗拉強(qiáng)度與實(shí)際值的均方誤差，利用梯度下降法對(duì)主網(wǎng)絡(luò)的權(quán)重進(jìn)行優(yōu)化；

12、步驟s26：利用訓(xùn)練好的多特征子集協(xié)同網(wǎng)絡(luò)預(yù)測(cè)焊接接頭抗拉強(qiáng)度：輸入工藝參數(shù)，則焊接接頭抗拉強(qiáng)度的預(yù)測(cè)值為所有子網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的平均值。

13、進(jìn)一步地，所述步驟s3具體包括：

14、步驟s31：初始化種群：定義變異率，定義工藝參數(shù)中每一項(xiàng)參數(shù)的取值范圍，在取值范圍內(nèi)隨機(jī)生成初始種群，每個(gè)個(gè)體代表一組工藝參數(shù)的候選解，對(duì)個(gè)體進(jìn)行染色體編碼；

15、步驟s32：評(píng)估適應(yīng)度：利用多特征子集協(xié)同網(wǎng)絡(luò)對(duì)每個(gè)個(gè)體對(duì)應(yīng)的焊接接頭抗拉強(qiáng)度進(jìn)行預(yù)測(cè)，將焊接接頭抗拉強(qiáng)度作為目標(biāo)函數(shù)計(jì)算適應(yīng)度；

16、步驟s33：使用輪盤賭方法根據(jù)適應(yīng)度選擇進(jìn)入下一代的個(gè)體；

17、步驟s34：改進(jìn)交叉操作：從進(jìn)入下一代的個(gè)體中隨機(jī)選取兩個(gè)作為父母，遍歷個(gè)體的染色體長(zhǎng)度范圍內(nèi)的所有位置，以每個(gè)位置作為交叉點(diǎn)生成候選個(gè)體，利用多特征子集協(xié)同網(wǎng)絡(luò)計(jì)算候選個(gè)體的適應(yīng)度，選取適應(yīng)度最高的候選個(gè)體作為該父母的子代個(gè)體；

18、步驟s35：改進(jìn)變異操作：使用自適應(yīng)變異策略調(diào)整變異率，遍歷子代個(gè)體的染色體長(zhǎng)度范圍內(nèi)的所有位置，生成一個(gè)隨機(jī)數(shù)，在該隨機(jī)數(shù)小于變異率時(shí)，對(duì)該位置的基因進(jìn)行變異，得到變異個(gè)體；

19、步驟s36：根據(jù)子代個(gè)體和變異個(gè)體的適應(yīng)度更新最優(yōu)解；

20、步驟s37：定義迭代次數(shù)和適應(yīng)度閾值，重復(fù)步驟s33-步驟s36，直到達(dá)到迭代次數(shù)或者最優(yōu)解的適應(yīng)度達(dá)到適應(yīng)度閾值。

21、所述步驟s35中使用自適應(yīng)變異策略調(diào)整變異率的具體步驟如下：

22、步驟d1：為每個(gè)個(gè)體建立一個(gè)適應(yīng)度歷史記錄列表，在每次迭代結(jié)束時(shí)，將當(dāng)前迭代中個(gè)體的適應(yīng)度添加到其適應(yīng)度歷史記錄列表中；

23、步驟d2：計(jì)算適應(yīng)度歷史記錄列表中每個(gè)適應(yīng)度的指數(shù)平滑值，指數(shù)平滑值的計(jì)算公式如下所述：

24、；

25、其中，和分別表示第次和第次迭代時(shí)的適應(yīng)度的指數(shù)平滑值，表示第次迭代的適應(yīng)度，表示平滑系數(shù)；

26、步驟d3：計(jì)算適應(yīng)度歷史記錄列表中最后k個(gè)指數(shù)平滑值的平均變化率，定義變異變化率，在平均變化率為負(fù)數(shù)時(shí)，新變化率=（1+變異變化率）×變化率，在平均變化率大于或等于0時(shí)，新變化率=（1-變異變化率）×變化率，用新變化率替代變化率。

27、采用上述方案本發(fā)明取得的有益成果如下：

28、（1）針對(duì)鋁合金攪拌摩擦焊的實(shí)驗(yàn)成本高，難以獲得大量數(shù)據(jù)，因此現(xiàn)有的利用神經(jīng)網(wǎng)絡(luò)進(jìn)行工藝參數(shù)優(yōu)化的方法容易出現(xiàn)過擬合的問題，使得模型的泛化能力較差，難以對(duì)焊接接頭質(zhì)量進(jìn)行精準(zhǔn)預(yù)測(cè)問題，本發(fā)明利用多特征子集協(xié)同網(wǎng)絡(luò)學(xué)習(xí)工藝參數(shù)和焊接接頭抗拉強(qiáng)度之間的關(guān)系，多特征子集協(xié)同網(wǎng)絡(luò)將工藝參數(shù)分為多種特征子集，并為每個(gè)特征子集構(gòu)建一個(gè)子網(wǎng)絡(luò)，同時(shí)構(gòu)建一個(gè)主網(wǎng)絡(luò)輸出子網(wǎng)絡(luò)的權(quán)重，這種通過構(gòu)建多種特征子集以及主網(wǎng)絡(luò)和子網(wǎng)絡(luò)協(xié)同工作的方法，隱式地增加了訓(xùn)練樣本的數(shù)量，提高了對(duì)于焊接接頭質(zhì)量預(yù)測(cè)結(jié)果的準(zhǔn)確性。

29、（2）針對(duì)鋁合金攪拌摩擦焊的工藝參數(shù)變化范圍大、精度要求高，傳統(tǒng)的優(yōu)化算法在找尋最優(yōu)工藝參數(shù)組合時(shí)的收斂效率較低，難以獲得工藝參數(shù)組合的最優(yōu)解，進(jìn)而導(dǎo)致對(duì)焊接接頭質(zhì)量的預(yù)測(cè)效果較差的問題，本發(fā)明結(jié)合多特征子集協(xié)同網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果，利用改進(jìn)遺傳算法對(duì)工藝參數(shù)進(jìn)行優(yōu)化，改進(jìn)遺傳算法具體為對(duì)傳統(tǒng)的遺傳算法中的交叉和變異部分進(jìn)行改進(jìn)，在交叉操作中以焊接接頭抗拉強(qiáng)度作為適應(yīng)度，以適應(yīng)度作為指標(biāo)選取交叉子代，在變異操作中通過自適應(yīng)變異策略調(diào)整變異率，并對(duì)子代的基因進(jìn)行選擇性變異，加快了收斂效率的同時(shí)提高了全局最優(yōu)工藝參數(shù)組合的搜索能力，顯著提升了鋁合金攪拌摩擦焊工藝參數(shù)優(yōu)化的精確度和實(shí)際應(yīng)用效果。