1.一种铝合金搅拌摩擦焊工艺参数优化方法,其特征在于:包括以下步骤:步骤S1:获取实验数据,每组实验数据包括铝合金搅拌摩擦焊过程中的工艺参数和对应的焊接接头抗拉强度;
步骤S2:利用多特征子集协同网络对工艺参数和焊接接头抗拉强度之间的关系进行学习,多特征子集协同网络具体包括一个主网络和若干子网络,其中主网络生成每个子网络的权重,子网络预测工艺参数相应的焊接接头抗拉强度;
步骤S3:利用多特征子集协同网络和改进遗传算法找到最优工艺参数组合;
所述步骤S2具体包括:
步骤S21:构建特征子集:从工艺参数中任意选取一项至全部项数,形成n种不同的组合,每种组合为一个特征子集,从而构建n个特征子集;
步骤S22:用二进制掩码表示特征子集;
步骤S23:构建n个子网络:对于每个特征子集构建一个子网络,对于每个子网络,将对应特征子集的二进制掩码与实验数据的工艺参数部分相乘,将乘积结果作为子网络的输入数据,子网络输出对于焊接接头抗拉强度的预测结果,子网络的权重通过主网络获得;
步骤S24:构建主网络:主网络接收每个特征子集的二进制掩码,输出对应子网络的权重;
步骤S25:利用实验数据训练多特征子集协同网络;
步骤S26:利用训练好的多特征子集协同网络预测焊接接头抗拉强度;
所述步骤S3具体包括:
步骤S31:初始化种群:定义变异率,定义工艺参数中每一项参数的取值范围,在取值范围内随机生成初始种群,每个个体代表一组工艺参数的候选解,对个体进行染色体编码;
步骤S32:评估适应度:利用多特征子集协同网络对每个个体对应的焊接接头抗拉强度进行预测,将焊接接头抗拉强度作为目标函数计算适应度;
步骤S33:使用轮盘赌方法根据适应度选择进入下一代的个体;
步骤S34:改进交叉操作:从进入下一代的个体中随机选取两个作为父母,遍历个体的染色体长度范围内的所有位置,以每个位置作为交叉点生成候选个体,利用多特征子集协同网络计算候选个体的适应度,选取适应度最高的候选个体作为该父母的子代个体;
步骤S35:改进变异操作:使用自适应变异策略调整变异率,遍历子代个体的染色体长度范围内的所有位置,生成一个随机数,在该随机数小于变异率时,对该位置的基因进行变异,得到变异个体;
步骤S36:根据子代个体和变异个体的适应度更新最优解;
步骤S37:定义迭代次数和适应度阈值,重复步骤S33-步骤S36,直到达到迭代次数或者最优解的适应度达到适应度阈值;
所述步骤S35中使用自适应变异策略调整变异率的具体步骤如下:
步骤D1:为每个个体建立一个适应度历史记录列表,在每次迭代结束时,将当前迭代中个体的适应度添加到其适应度历史记录列表中;
步骤D2:计算适应度历史记录列表中每个适应度的指数平滑值;
步骤D3:计算适应度历史记录列表中最后k个指数平滑值的平均变化率,定义变异变化率,在平均变化率为负数时,新变化率=(1+变异变化率)×变化率,在平均变化率大于或等于0时,新变化率=(1-变异变化率)×变化率,用新变化率替代变化率;
所述步骤S25中利用实验数据训练多特征子集协同网络具体为:每个子网络的损失值为预测的焊接接头抗拉强度与实际值的均方误差,多特征子集协同网络的总损失值为所有子网络的损失值之和的平均值,利用梯度下降法对主网络的权重进行优化。
2.根据权利要求1所述的一种铝合金搅拌摩擦焊工艺参数优化方法,其特征在于:所述步骤S22中用二进制掩码表示特征子集具体为:对于每个特征子集用一串由0和1构成的数字进行表示,数字的每一位代表工艺参数对应项的参数是否被选中,将被选中项表示为1,未被选中项表示为0。
3.根据权利要求2所述的一种铝合金搅拌摩擦焊工艺参数优化方法,其特征在于:所述步骤S26中利用训练好的多特征子集协同网络预测焊接接头抗拉强度具体为:输入工艺参数,则焊接接头抗拉强度的预测值为所有子网络预测结果的平均值。