通过机器学习优化的AlMg填充材料，在激光焊接的铝接头中实现强度与延展性的协同效应

邓爱琳|张英波|刘炎|吴雅辉|黄本生|陈辉

• •
  提出了一种基于机器学习的策略，用于设计高性能的Al-Mg填充材料，以用于6xxx铝合金的激光焊接。
• •
  建立了克里金（Kriging）模型，将填充材料的成分（Mg、Mn、Ti、Y、Ca）与接头的抗拉强度和伸长率关联起来。
• •
  采用多目标进化博弈（EGO）算法（EIM、KTA2、SMS-EGO、Par-EGO）来优化填充材料成分，以实现强度和延展性的同时提升。
• •
  优化后的填充材料（Al–6.95 Mg–0.07Mn–0.07Ti–0.1Ca）表现出优异的性能：接头强度达到275 MPa，伸长率为9.2%，分别比商用ER5356材料高出9.2%和95.7%。
• •
  微观结构分析显示，该填充材料具有TiB₂–Al₃Ti核壳结构以及Ca诱导的纳米γ-Al₁₂Mg₁₇相，这有助于细化晶粒（晶粒尺寸约为17 μm）并调节位错分布。
• •
  强度提升机制可归因于固溶强化（61.5%）、位错强化（22.4%）和晶界强化（11.1%）。