精密成形工程

作者：岳峰丽, 郭威, 刘明华, 陈大勇, 刘劲松, 刘欢, 宋鸿武, 王松伟, 褚晓光

单位：1.沈阳理工大学 a.汽车与交通学院 b.材料科学与工程学院,沈阳 110159; <br>2.中国科学院金属研究所 师昌绪材料创新中心,沈阳 110016; <br>3.富奥汽车零部件股份有限公司散热器分公司,长春 130013

关键词：机器学习,超声检测,TP2铜材,晶粒度预测,衰减系数

基金：重庆市自然科学基金创新发展联合基金重点项目（CSTB2023NSCQ-LZX0116）; Zr-4板材冷轧变形滑移系启动机制及织构演化研究（L1212410144015）

目的 借助机器学习算法对超声波衰减系数-平均等效晶粒尺寸模型（AC-AGS）进行优化,以实现高效准确的铜材晶粒尺寸预测。方法 通过超声检测设备获得不同温度热处理后的TP2铜材的界面波幅值以及一次底面回波幅值,并通过幅值数据计算衰减系数,采用截点法获得铜材的晶粒尺寸。为优化铜材晶粒尺寸的预测模型,引入3种机器学习优化算法,即粒子群算法（PSO）、遗传算法（GA）以及差分进化算法（DE）,对TP2铜材的晶粒度预测模型进行优化。结果 耦合机器学习算法的AC-AGS模型可以实现精密铜材平均晶粒尺寸的评测,PSO算法在本文优化结果中表现最佳,其验证结果的决定系数R2为0.904 5,均方根误差（Root Mean Square Error,RMSE）为20.85,平均绝对误差（Mean Absolute Error,MAE）为20.569。结论 结合机器学习优化算法的超声波衰减系数与平均晶粒尺寸模型,实现了对TP2铜材晶粒尺寸的精确预测。该模型不仅为铜材晶粒尺寸的无损检测提供了一个高效、准确的预测工具,还为其他材料的晶粒尺寸预测提供了新的思路和方法。

来源：2025年第9期

《精密成形工程》期刊编辑部

查看精密成形工程杂志2025年第9期