【技术实现步骤摘要】
本专利技术涉及一种激光焊接多目标优化方法，具体是一种基于catboost-moavoa的钢/铝异种金属激光焊接参数与ceo2添加量的多目标优化方法，属于激光焊接。
技术介绍
1、汽车轻量化，就是在保证汽车的强度和安全性能的前提下，尽可能地降低汽车的整备质量，从而提高汽车的动力性、减少燃料消耗、降低排气污染。钢/铝异种金属复合结构具有强度高、质量轻等特点，在保证安全的同时，能有效降低运输工具的重量，因此采用钢/铝焊接结构代替纯钢焊接结构是目前公认的汽车轻量化最有效的方法之一。
2、然而由于钢和铝在化学和物理性能上的差异，焊接过程中必然会产生硬而脆的金属间化合物(imcs)，imcs的存在会严重降低焊接接头的力学性能，因此如何抑制imcs的产生成为获得优质钢/铝焊接接头的核心问题。
3、激光焊接(lbw)是钢/铝异种金属焊接的常用方法，通过调整激光功率、焊接速度和离焦量等工艺参数，可以控制焊接区域的热影响区大小，减少fe-al imcs的生成。但是激光焊接参数与焊接结果属于非线性关系，传统的对激光焊接工艺参数进行优化方法依赖于试验和经验，需要耗费大量的人力物力资源、工艺成本高昂。
4、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
技术实现思路
1、针对上述问题，本专利技术提供一种钢/铝异种金属激光焊接的多目标优化方法，能够在实现降低焊接成本的前提下实现减少钢/铝激光焊接后焊接件翘曲变形量、并提高钢/铝激光焊接件的可承受最大拉力，进而实现低成本地提高钢/铝激光焊接的可靠性，可以为获取钢/铝激光焊接最优工艺参数组合提供理论依据和数据支持。
2、为实现上述目的，本钢/铝异种金属激光焊接的多目标优化方法具体包括以下步骤：
3、step1，将焊接件翘曲变形量y1、焊接件所能承受的最大拉力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ceo2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ceo2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ceo2添加量x4作为输入，将焊接件翘曲变形量y1和焊接件所能承受的最大拉力y2作为输出，构建用rime优化catboost的rime-catboost模型；
8、step3，通过moavoa算法对rime-catboost模型进行多目标寻优，获得优化目标的pareto前沿；
9、step4，通过critic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，以焊接件所能承受的最大拉力的倒数、焊接件翘曲变形量和焊接成本作为优化算法的目标函数，基于rime-catboost模型的焊接工艺优化数学模型表示如下：
11、
12、式中：x1为激光功率，x2为焊接速度，x3为离焦量，x4为ceo2添加量，y1为焊接件翘曲变形量，y2为焊接件所能承受的最大拉力，y3为焊接成本。
13、进一步的，step2中，用rime优化catboost的具体步骤如下：
14、①将catboost模型的学习率、最大深度作为需要优化的超参数；
15、②设置超参数的取值范围和rime算法的初始参数；
16、③通过rime算法的每次迭代更新超参数的组合对catboost模型进行训练；
17、④根据模型性能指标计算相应超参数组合的适应度值，选择适应度最好的超参数组合。
18、进一步的，step3中，通过moavoa算法对rime-catboost模型进行多目标寻优，具体如下：
19、①初始化moavoa参数：参数包括最大迭代次数、种群大小、存档的最大容量以及目标函数的数量；
20、②判断当前迭代次数是否达到最大迭代次数：算法从初始迭代次数开始执行，直到达到预设的最大迭代次数为止，若当前迭代次数小于最大迭代次数，则算法继续执行迭代，否则输出pareto前沿并结束；
21、③适应度计算：每个秃鹫均表示一组解，根据rime-catboost模型和焊接成本计算公式得出每个秃鹫的适应度；
22、④选择最佳秃鹫：在每一次迭代中，根据适应度值选择表现最好的秃鹫作为领导者，并将其存入存档中；
23、⑤更新秃鹫位置：根据领导者秃鹫的行为和当前策略，更新所有秃鹫的位置；
24、⑥判断档案大小：检测当前解集大小是否超出档案设定大小，若解集大小小于档案大小、则继续执行迭代，若解集大小大于档案大小、则通过网格机制删除密集区域中的解，保留解的多样性；
25、⑦更新档案：根据pareto前沿的准则更新存档，保留非支配解；
26、⑧进行下一次迭代：迭代次数加1，进入步骤②重新进行迭代。
27、进一步的，step4中通过critic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，将获得的pareto前沿采用加权聚合方法，为每个pareto前沿分配权重，综合评价模型的表达式如下所示：
28、
29、式中：z为每组实验设计的综合评价值，wj为第j个指标的权重值，yij为第i个方案的j评价指标值，yi1为每组试验设计中的焊接件翘曲变形量，yi2为每组试验设计中的焊接件所能承受的最大拉力，yi3为每组试验设计中的焊接成本。
30、与现有技术相比，本钢/铝异种金属激光焊接的多目标优化方法首先以激光功率、焊接速度、离焦量、ceo2的添加量为输入，以焊接件翘曲变形量、焊接件所能承受的最大拉力为输出，设计正交试验并进行焊接试验得到试验结果；然后基于试验结果、根据焊接样本所测得数据构建用rime优化catboost的rime-catboost模型；然后以焊接件翘曲变本文档来自技高网...
【技术保护点】
1.一种钢/铝异种金属激光焊接的多目标优化方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step2中，以焊接件所能承受的最大拉力的倒数、焊接件翘曲变形量和焊接成本作为优化算法的目标函数，基于RIME-CatBoost模型的焊接工艺优化数学模型表示如下：
3.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step2中，用RIME优化CatBoost的具体步骤如下：
4.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step3中，通过MOAVOA算法对RIME-CatBoost模型进行多目标寻优，具体如下：
5.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step4中通过CRITIC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，将获得的Pareto前沿采用加权聚合方法，为每个Pareto前沿分配权重，综合评价模型的表达式如下所示：
【技术特征摘要】
1.一种钢/铝异种金属激光焊接的多目标优化方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，step2中，以焊接件所能承受的最大拉力的倒数、焊接件翘曲变形量和焊接成本作为优化算法的目标函数，基于rime-catboost模型的焊接工艺优化数学模型表示如下：
3.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，step2中，用rime优化catboost的具体步骤...
【专利技术属性】
技术研发人员：宋昊轩，郭永环，范希营，季广中，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。