申俊琦，王?謙，胡繩蓀，陸建生，田玉新

基于GBDT算法的Fe-36Ni/304L搭接接頭特征尺寸及性能預(yù)測(cè)

申俊琦1, 2，王?謙1, 2，胡繩蓀1, 2，陸建生3，田玉新3

(1.天津大學(xué)材料科學(xué)與工程學(xué)院，天津 300354；2. 天津市現(xiàn)代連接技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津 300354；3. 寶山鋼鐵股份有限公司中央研究院，上海 201900)

Fe-36Ni合金和304L奧氏體不銹鋼是制備新一代液化天然氣(LNG)船液艙圍護(hù)系統(tǒng)的主要材料，由這兩種材料焊接而成的復(fù)合結(jié)構(gòu)是組成液艙圍護(hù)系統(tǒng)的重要部分，因此研究Fe-36Ni/304L異種合金的焊接工藝及接頭特征尺寸和力學(xué)性能預(yù)測(cè)具有重要意義．開(kāi)展了Fe-36Ni/304L異種合金搭接脈沖鎢極惰性氣體保護(hù)焊(GTAW)立焊工藝研究，探索了脈沖焊接參數(shù)對(duì)接頭宏觀成形與拉伸性能的影響規(guī)律．根據(jù)Fe-36Ni和304L異種合金薄板搭接的脈沖GTAW試驗(yàn)結(jié)果，研究了焊接參數(shù)(峰值電流、基值電流、占空比、脈沖頻率和焊接速度)與接頭特征尺寸(下板焊縫寬度)、(下板焊縫熔深)、(焊縫根部到焊縫表面的最短距離，即最小熔合半徑)及拉伸最大承載力的關(guān)系．建立了基于梯度提升決策樹(shù)(GBDT)算法的接頭特征尺寸及性能預(yù)測(cè)模型，并研究了各焊接參數(shù)對(duì)特征尺寸和力學(xué)性能的影響程度．結(jié)果表明：Fe-36Ni/304L異種合金搭接脈沖GTAW立焊接頭特征尺寸和主要與峰值電流、占空比和焊接速度相關(guān)，隨著峰值電流和占空比的增加，和也隨之增加；隨著焊接速度降低，和隨之增加．特征尺寸主要與占空比和脈沖頻率相關(guān)，隨著脈沖頻率和占空比的增加，也隨之增加．特征尺寸是影響搭接接頭拉伸最大承載力的主要因素，搭接接頭的拉伸最大承載力可達(dá)12.66kN．所建立的預(yù)測(cè)模型對(duì)特征尺寸和最大承載力的預(yù)測(cè)相對(duì)誤差均在3%以內(nèi)，模型的預(yù)測(cè)精度較高，且泛化性較好．

梯度提升決策樹(shù)算法；Fe-36Ni/304L異種合金；脈沖鎢極惰性氣體保護(hù)焊；特征尺寸；拉伸承載力

Fe-36Ni合金(又稱(chēng)因瓦合金)是一種能在低溫下保持極小熱膨脹系數(shù)的合金材料，其熔點(diǎn)和比熱容較低，在低熱輸入條件下具有良好的可焊性．Fe-36Ni與304L不銹鋼在低溫下都具有較高的塑性和強(qiáng)度，是制造液化天然氣(liquefied natural gas，LNG)船主屏蔽艙的兩種重要材料．目前在LNG船液貨艙制造中，F(xiàn)e-36Ni與304L兩種材料采用搭接焊的形式進(jìn)行連接[1-3]．

與常見(jiàn)的焊接接頭形式相比，搭接接頭的應(yīng)力集中系數(shù)是最高的，這就會(huì)使得搭接接頭在受到拉剪載荷下在其應(yīng)力集中處容易產(chǎn)生開(kāi)裂從而降低接頭承載力[4]．研究學(xué)者在不同材料的搭接焊相關(guān)研究中發(fā)現(xiàn)，可以通過(guò)改變搭接接頭的特征尺寸來(lái)提高其力學(xué)性能．郭相忠等[5]發(fā)現(xiàn)301L搭接激光焊接接頭的拉伸斷裂載荷隨焊縫熔寬的增加而增大．Wang等[6]在進(jìn)行0.7mm/1.0mm板厚組合Fe-36Ni合金搭接脈沖鎢極惰性氣體保護(hù)焊(gas tungsten arc welding，GTAW)時(shí)發(fā)現(xiàn)有效連接面積與接頭最大拉伸承載力成正比．目前，研究學(xué)者主要通過(guò)大量試驗(yàn)的方法來(lái)確定焊接工藝參數(shù)對(duì)搭接接頭特征尺寸及力學(xué)性能的影響關(guān)系．

如何通過(guò)少量試驗(yàn)結(jié)果，建立起基于焊接參數(shù)的接頭特征尺寸與性能預(yù)測(cè)模型并進(jìn)行有效預(yù)測(cè)，是焊接相關(guān)領(lǐng)域的一個(gè)熱點(diǎn)研究方向．目前已經(jīng)有學(xué)者在焊接領(lǐng)域中采用決策樹(shù)算法來(lái)進(jìn)行基于焊接參數(shù)的接頭特征尺寸及焊接質(zhì)量預(yù)測(cè)．欒亦琳等[7]基于二叉樹(shù)支持向量機(jī)算法，構(gòu)建了TiAl/40Cr 擴(kuò)散焊焊縫界面處缺陷識(shí)別模型，并根據(jù)分類(lèi)結(jié)果預(yù)測(cè)了焊縫界面的焊合率和抗剪強(qiáng)度．Zhang等[8]開(kāi)發(fā)了基于決策樹(shù)分類(lèi)算法的電阻點(diǎn)焊質(zhì)量無(wú)損評(píng)價(jià)方法．Ahmed等[9]提出了一種基于決策樹(shù)算法的電阻點(diǎn)焊可焊性預(yù)測(cè)方法，并確定了每個(gè)參數(shù)對(duì)響應(yīng)參數(shù)的影響，實(shí)現(xiàn)了流程參數(shù)的優(yōu)先級(jí)規(guī)劃．

本文針對(duì)Fe-36Ni/304L異種合金搭接脈沖GTAW立焊，研究峰值電流、基值電流、占空比、脈沖頻率以及焊接速度等脈沖GTAW焊接參數(shù)對(duì)接頭成形特征尺寸和力學(xué)性能的影響規(guī)律．基于梯度提升決策樹(shù)(gradient boosting decision tree，GBDT)算法在處理小規(guī)模數(shù)據(jù)時(shí)具有較高預(yù)測(cè)精度的優(yōu)點(diǎn)[10]，建立Fe-36Ni/304L異種合金脈沖GTAW立焊搭接接頭特征尺寸及力學(xué)性能的預(yù)測(cè)模型，以實(shí)現(xiàn)基于少量焊接試驗(yàn)結(jié)果的接頭特征尺寸及力學(xué)性能預(yù)測(cè)．

1?試驗(yàn)方法

試驗(yàn)所采用的材料為0.7mm厚Fe-36Ni合金以及2mm厚304L奧氏體不銹鋼板材，兩種材料的化學(xué)成分如表1所示．焊接系統(tǒng)由奧地利福尼斯 MagicWave 4000型GTAW焊機(jī)和日本安川MOTO-MAN HP6型6軸機(jī)器人組成．焊前使用酒精擦拭試樣表面以去除油污等．Fe-36N/340L異種合金搭接脈沖GTAW立焊過(guò)程示意如圖1所示，焊接過(guò)程中使用純氬進(jìn)行保護(hù)，保護(hù)氣體流量為15L/min．

文獻(xiàn)[11-12]及前期試驗(yàn)結(jié)果表明，脈沖GTAW焊接參數(shù)的可調(diào)節(jié)性好，可以通過(guò)改變峰值電流(p)、基值電流(b)、占空比(cy)、脈沖頻率()和焊接速度()等脈沖焊接參數(shù)來(lái)有效調(diào)節(jié)焊接熱輸入，從而控制接頭宏觀成形及性能．本文通過(guò)改變上述5個(gè)脈沖GTAW參數(shù)進(jìn)行了共28組Fe-36Ni/304L異種合金搭接立焊試驗(yàn)，具體焊接參數(shù)如表2所示．

焊后在焊縫中部切取接頭橫截面金相試樣，經(jīng)打磨和拋光后用腐蝕劑(FeCl3∶HNO3∶H2O＝5g∶10mL∶20mL)腐蝕20s．根據(jù)文獻(xiàn)[13]，利用OLYM-PUS GX51型金相顯微鏡對(duì)接頭金相試樣進(jìn)行觀測(cè)，并使用圖像軟件對(duì)搭接接頭的特征尺寸進(jìn)行測(cè)量．接頭的特征尺寸示意如圖2所示，其中為下板焊縫寬度(簡(jiǎn)稱(chēng)熔寬)，為下板焊縫熔深(簡(jiǎn)稱(chēng)熔深)，為焊縫根部到焊縫表面的最短距離，即最小熔合半徑(簡(jiǎn)稱(chēng)焊喉)．

表1?Fe-36Ni和304L主要化學(xué)成分

Tab.1?Chemical compositions of Fe-36Ni and 304L　%

表2?焊接參數(shù)

Tab.2?Welding parameters

圖1?Fe-36Ni/304L脈沖GTAW立焊示意

圖2?搭接接頭的特征尺寸示意

使用CSS-44100 型電子萬(wàn)能試驗(yàn)機(jī)進(jìn)行接頭室溫拉伸性能測(cè)試，拉伸速度為2mm/min，拉伸試樣尺寸如圖3所示．由于搭接接頭在拉伸過(guò)程中受到拉剪力，故將最大承載力m(拉伸過(guò)程中最大載荷)作為搭接接頭的力學(xué)性能評(píng)價(jià)．對(duì)于每組焊接參數(shù)，均取3個(gè)拉伸試件最大承載力的平均值作為最后的測(cè)試結(jié)果．由于搭接接頭上下兩板厚度不同，因此在拉伸試驗(yàn)中通過(guò)添加墊板的方式使兩板豎直方向平行于加載力方向．

圖3?搭接接頭拉伸試樣尺寸

2?GBDT預(yù)測(cè)模型

梯度提升決策樹(shù)(gradient boosting decision trees，GBDT)是一種采用加法模型(以決策樹(shù)為基函數(shù)的線性組合)以及不斷減小訓(xùn)練過(guò)程產(chǎn)生的殘差來(lái)達(dá)到將數(shù)據(jù)分類(lèi)或者回歸的算法．如圖4所示，GBDT包含多輪迭代，每一輪迭代生成的基礎(chǔ)分類(lèi)器在上一輪分類(lèi)器殘差(殘差＝真實(shí)值－預(yù)測(cè)值)基礎(chǔ)上進(jìn)行訓(xùn)練，然后不斷去擬合上輪的殘差，并使殘差朝梯度方向減小，最后通過(guò)多棵樹(shù)聯(lián)合決策(將所有迭代產(chǎn)生的模型相加)從而獲得最終的預(yù)測(cè)模型[14]：

式中：為特征變量；表示決策樹(shù)；為決策樹(shù)的參數(shù)；為樹(shù)的個(gè)數(shù)．本文采用均方根誤差(root mean square error，RMSE)作為評(píng)價(jià)模型泛化能力的指標(biāo)，RMSE計(jì)算式為

式中：fr為真實(shí)值；fp為預(yù)測(cè)值；為訓(xùn)練樣本的數(shù)量.

圖4?GBDT模型結(jié)構(gòu)

在進(jìn)行GBDT建模過(guò)程中，采用峰值電流(p)、基值電流(b)、占空比(cy)、脈沖頻率()和焊接速度()等5個(gè)脈沖GTAW焊接參數(shù)作為輸入，將接頭特征尺寸(、和)以及最大承載力(m)等4個(gè)變量作為輸出．選擇合適的GBDT框架參數(shù)可以提高預(yù)測(cè)精度以及防止出現(xiàn)“過(guò)擬合”現(xiàn)象．表3給出了GBDT模型參數(shù)選擇范圍，其中樹(shù)的數(shù)量對(duì)預(yù)測(cè)結(jié)果影響較大，過(guò)小時(shí)容易引起欠擬合，過(guò)大時(shí)容易引起過(guò)擬合．通過(guò)對(duì)GBDT各框架參數(shù)進(jìn)行試錯(cuò)法尋優(yōu)，確定了模型各參數(shù)的設(shè)定值，如表3所示．

表3?GBDT模型的參數(shù)范圍

Tab.3?Parameter range of the GBDT model

3?結(jié)果與討論

根據(jù)表2中的脈沖焊接參數(shù)進(jìn)行Fe-36Ni/304L異種合金搭接脈沖GTAW立焊試驗(yàn)，各個(gè)參數(shù)下所獲得的接頭特征尺寸及最大承載力結(jié)果如表4所示，所有的Fe-36Ni/304L異種合金搭接接頭拉伸試件均在靠近Fe-36Ni合金母材的焊縫區(qū)發(fā)生斷裂．

表4?焊接接頭特征尺寸及最大承載力測(cè)試結(jié)果

Tab.4?Test results of feature sizes and maximum tensile capacities of the joints

圖5為表2所示的脈沖焊接參數(shù)組合11～15條件下(即不同占空比時(shí))所獲得的搭接接頭焊縫橫截面金相照片，可以發(fā)現(xiàn)接頭橫截面處Fe-36Ni和304L連接良好，接頭中沒(méi)有裂紋等缺陷產(chǎn)生．

另外，從圖5中還可以看出，在其他焊接參數(shù)不變時(shí)，由于隨著占空比的增加使得焊接熱輸入增大、熔池體積增加，特征尺寸、和值均呈上升趨勢(shì)，其中值在占空比大于75%后逐漸趨于穩(wěn)定．占空比的變化對(duì)值影響較大，隨著占空比的增加，熱輸入量增大，使得呈現(xiàn)出近似線性增長(zhǎng)趨勢(shì)．當(dāng)占空比大于65%后，焊縫成形較差，隨著占空比繼續(xù)增大，熱輸入會(huì)隨之增大，造成熱影響區(qū)過(guò)寬從而降低焊接接頭性能．同時(shí)，占空比繼續(xù)增加，會(huì)削弱基值電流階段的快速冷卻過(guò)程，容易使焊縫組織過(guò)熱導(dǎo)致晶粒粗大，惡化接頭性能．

圖5?不同占空比時(shí)焊縫橫截面

接頭特征尺寸及最大承載力的變化趨勢(shì)如圖6所示．可以發(fā)現(xiàn)，焊接參數(shù)的變化引起了接頭特征尺寸和最大承載力的變化．例如，當(dāng)峰值電流從85A增加至120A，特征尺寸和隨之增大，但是值變化幅度較小，最大承載力略微增加．同時(shí)還可以看出，特征尺寸與接頭最大承載力m存在一定的線性對(duì)應(yīng)關(guān)系，當(dāng)和較小、值越大時(shí)，接頭的最大承載力也越高．這是因?yàn)榈脑黾訒?huì)使得焊縫的承載面積增加，從而在拉伸時(shí)焊縫截面承受的平均應(yīng)力有所降低．因此研究脈沖GTAW焊接參數(shù)對(duì)接頭尺寸和最大承載力的影響程度可以為實(shí)際焊接過(guò)程中的焊接參數(shù)選擇與調(diào)整提供參考．

圖6 搭接接頭特征尺寸L、P、R和最大承載力Fm變化情況

GBDT模型的特征重要性可以用來(lái)評(píng)價(jià)脈沖焊接參數(shù)對(duì)搭接接頭特征尺寸和最大承載力的影響程度．使用Python機(jī)器學(xué)習(xí)庫(kù)中的GBDT模型對(duì)表4中除編號(hào)7、11和15外的剩余25組數(shù)據(jù)進(jìn)行訓(xùn)練，將脈沖焊接參數(shù)作為特征變量，并基于GBDT模型給出各焊接參數(shù)的相對(duì)特征重要性．特征變量的全局重要性通過(guò)在單顆樹(shù)中的重要性的平均值來(lái)衡量[15]：

脈沖GTAW焊接參數(shù)在GBDT預(yù)測(cè)模型中對(duì)接頭特征尺寸和最大承載力的相對(duì)重要性分?jǐn)?shù)計(jì)算結(jié)果如圖7所示．從圖7(a)可以看出，對(duì)最大承載力影響最大的是焊接速度；從表4的測(cè)試數(shù)據(jù)中也可以發(fā)現(xiàn)當(dāng)焊接速度從140mm/min增加至200mm/min時(shí)，最大承載力的變化幅度為2220N．圖7(b)表明脈沖頻率是對(duì)特征尺寸影響最大的焊接參數(shù)．圖7(c)和圖7(d)表明占空比對(duì)特征尺寸和的影響最大，這是因?yàn)殡S著占空比的提高，焊接熱輸入也隨之增大，最終使得和也隨之增大．

如前所述，選取表4中編號(hào)7、11和15的3組數(shù)據(jù)作為測(cè)試樣本，其他組作為訓(xùn)練樣本．當(dāng)樹(shù)的最大深度為4時(shí)迭代停止，此時(shí)采用相對(duì)誤差來(lái)比較預(yù)測(cè)模型的精度．GBDT模型的預(yù)測(cè)結(jié)果如表5所示，其中RMSE用來(lái)表示訓(xùn)練過(guò)程中真實(shí)值和預(yù)測(cè)值的偏差，在一定程度上可以表示預(yù)測(cè)模型的泛化能力．接頭最大承載力的RMSE為0.170，高于各特征尺寸的RMSE，因此其泛化能力相對(duì)較差．就預(yù)測(cè)精度而言，接頭3個(gè)特征尺寸和最大承載力的相對(duì)誤差都在3%以內(nèi)，說(shuō)明采用GBDT算法建立的Fe-36Ni/304L異種合金搭接脈沖GTAW接頭特征尺寸和最大承載力預(yù)測(cè)模型的預(yù)測(cè)精度較高，可以用來(lái)有效預(yù)測(cè)接頭的特征尺寸和最大承載力．

表5?GBDT預(yù)測(cè)結(jié)果

Tab.5?Prediction results based on GBDT

4?結(jié)?論

本文針對(duì)NiFe-36Ni/304L異種合金搭接脈沖GTAW立焊，研究了峰值電流、基值電流、占空比、脈沖頻率和焊接速度等脈沖焊接參數(shù)與接頭特征尺寸及最大承載力之間的關(guān)系；以脈沖GTAW焊接參數(shù)為輸入，建立了基于GBDT算法的接頭特征尺寸及拉伸最大承載力的多變量非線性預(yù)測(cè)模型．

(1) Fe-36Ni/304L異種合金脈沖GTAW搭接立焊接頭焊縫特征尺寸和主要與峰值電流、占空比和焊接速度相關(guān)，隨著峰值電流和占空比的增加，和也隨之增加；隨著焊接速度升高，和隨之下降．特征尺寸主要與占空比和脈沖頻率相關(guān)，隨著脈沖頻率和占空比的增加，也隨之增加．

(2) 特征尺寸是影響搭接接頭拉伸最大承載力的主要因素，搭接接頭的拉伸最大承載力可達(dá)12.66kN．

(3) GBDT算法得出的焊接參數(shù)對(duì)特征尺寸和最大承載力的影響表明：焊接速度對(duì)接頭最大承載力m的影響最大；占空比對(duì)接頭特征尺寸和的影響最大；脈沖頻率對(duì)接頭特征尺寸的影響最大．

(4) 所建立的基于GBDT算法的接頭特征尺寸和最大承載力預(yù)測(cè)模型的預(yù)測(cè)相對(duì)誤差均在3%以內(nèi)，模型的預(yù)測(cè)精度較高，且泛化性較好，可以用于NiFe-36Ni/304L異種合金搭接脈沖GTAW立焊接頭特征尺寸和最大承載力的預(yù)測(cè)．

［1］ Park W S，Chun M S，Han M S，et al. Comparative study on mechanical behavior of low temperature application materials for ships and offshore structures：Part I-experimental investigations[J]. Materials Science and Engineering A，2011，528(18)：5790-5803.

［2］ De A K，Speer J G，Matlock D K，et al. Deformation-induced phase transformation and strain hardening in type 304 austenitic stainless steel[J]. Metallurgical and Materials Transactions A，2006，37：1875-1886.

［3］ 胡曉童. 液化天然氣運(yùn)輸船用殷瓦鋼專(zhuān)利分析與研究[J]. 冶金信息導(dǎo)刊，2015，52(1)：57-62.

Hu Xiaotong. Analysis and research on patent technology of invar alloy for liquefied natural gas tanker[J]. Metallurgical Information Review，2015，52(1)：57-62(in Chinese).

［4］ 方洪淵. 焊接結(jié)構(gòu)學(xué)[M]. 北京：機(jī)械工業(yè)出版社，2008.

Fang Hongyuan. Mechanics of Welding Structure[M]. Beijing：China Machine Process，2008(in Chinese).

［5］ 郭相忠，劉?偉，王昌坤，等. 301L搭接激光焊接接頭拉伸過(guò)程的彈塑性演變及斷裂數(shù)值分析[J]. 中國(guó)激光，2018，45(12)：77-84.

Guo Xiangzhong，Liu Wei，Wang Changkun，et al. Numerical analysis of elastic-plastic deformation evolution and fracture behavior in tensile process of laser lap welded 301L joints[J]. Chinese Journal of Lasers，2018，45(12)：77-84(in Chinese).

［6］ Wang H，Hu S S，Shen J Q，et al. Effect of duty cycle on microstructure and mechanical properties of pulsed GTAW lap joint of Invar[J]. Journal of Materials Processing Technology，2017，243：481-488.

［7］ 欒亦琳，剛?鐵，張?馳. TiAl/40Cr擴(kuò)散焊接頭強(qiáng)度評(píng)價(jià)與預(yù)測(cè)[J]. 焊接學(xué)報(bào)，2016，37(4)：35-38.

Luan Yilin，Gang Tie，Zhang Chi. Strength evaluation and prediction of TiAl and 40Cr diffusion bonding joint[J]. Transactions of the China Welding Institution，2016，37(4)：35-38(in Chinese).

［8］ Zhang H J，Hou Y Y，Zhang J Y，et al. A new method for nondestructive quality evaluation of the resistance spot welding based on the radar chart method and the decision tree classifier[J]. The International Journal of Advanced Manufacturing Technology，2015，78：841-851.

［9］ Ahmed F，Kim K Y. Data-driven weld nugget width prediction with decision tree algorithm[J]. Procedia Manufacturing，2017，10：1009-1019.

［10］ Rachman A，Ratnayake R M C. Machine learning approach for risk-based inspection screening assessment[J]. Reliability Engineering and System Safety，2019，185：518-532.

［11］ 王希靖，柴廷璽，趙青山，等. 因瓦合金4J36等離子焊接工藝及接頭性能[J]. 焊接學(xué)報(bào)，2014，35(4)：19-23.

Wang Xijing，Chai Tingxi，Zhao Qingshan，et al. Process and properties of plasma arc welded Invar alloy 4J36[J]. Transactions of the China Welding Institution，2014，35(4)：19-23(in Chinese).

［12］ 李大龍. 殷瓦鋼自動(dòng)TIG立焊工藝研究[D]. 天津：天津大學(xué)，2016.

Li Dalong. Study on Automatic TIG Welding of Invar Alloy at Vertical Position[D]. Tianjin：Tianjin Univer-sity，2016(in Chinese).

［13］ 管金鈺，張?海，單?陳. NO96薄膜型LNG船殷瓦鋼非脈沖氬弧焊焊接工藝探討[J]. 船海工程，2013，42(5)：73-75.

Guan Jinyu，Zhang Hai，Shan Chen. Invar weld procedure of non-pulse TIG for NO96 LNG ship[J]. Ship and Ocean Engineering，2013，42(5)：73-75(in Chinese).

［14］ Chen K，Chen H B，Liu L，et al. Prediction of weld bead geometry of MAG welding based on XGBoost algorithm[J]. The International Journal of Advanced Manufacturing Technology，2019，101：2283-2295.

［15］ Friedman J H. Greedy function approximation：A gradient boosting machine[J]. The Annals of Statistics，2001，29(5)：1189-1232.

Prediction of Feature Size and Performance of Fe-36Ni/304L Lap Joint Based on GBDT Algorithm

Shen Junqi1,2，Wang Qian1,2，Hu Shengsun1,2，Lu Jiansheng3，Tian Yuxin3

(1. School of Materials Science and Engineering，Tianjin University，Tianjin 300354，China；2. Tianjin Key Laboratory of Advanced Joining Technology，Tianjin 300354，China；3. Research Institute，Baoshan Iron & Steel Co.，Ltd.，Shanghai 201900，China)

Fe-36Ni alloy and 304L austenitic stainless steel are the main materials for the manufacture of the new generation of liquefied natural gas(LNG)ship tank containment system. A composite structure fabricated using Fe-36Ni/304L dissimilar alloys is an important part of the tank enclosure system. Therefore，it is of great significance to conduct a study on the welding process and prediction of the feature size and mechanical properties of Fe-36Ni/304L dissimilar alloys. Aiming at the pulsed gas tungsten arc welding(GTAW)of Fe-36Ni/304L dissimilar alloys in a vertical welding position，this work investigated the influence of pulsed GTAW welding processes on the macroscopic formation and tensile properties of the welded joints. According to experimental results，the relationships between the welding parameters(i.e.，peak current，base current，duty cycle，pulse frequency，and welding speed)and the feature sizes of the joint，including the weld width of the lower plate()，the weld depth of the lower plate()，and the minimum distance from the weld root to the weld surface(，the minimum radius of the fusion zone)，as well as the maximum tensile capacity of the joint，were studied. Based on the gradient boosting decision tree(GBDT)algorithm，a model for predicting feature sizes and mechanical properties of the joint was established，and the effect of the welding parameters on the feature sizes and mechanical properties was revealed. Results showed that the peak current，duty cycle，and welding speed were the important factors that influencedand. With increasing peak current and duty cycle or decreasing welding speed，andincreased. Duty cycle and pulse frequency significantly affected. With increasing pulse frequency and duty cycle，increased. The feature sizewas the most important factor to influence the maximum tensile capacity of the welded joint. The maximum load capacity of the welded joint could reach 12.66kN. Relative errors of the prediction model for the feature sizes and maximum tensile capacity were both less than 3%. Therefore，the GBDT model had high prediction accuracy and generalization to predict the feature sizes and tensile properties of the Fe-36Ni/304L lap joint by pulsed GTAW.

GBDT algorithm；Fe-36Ni/304L dissimilar alloy；pulsed GTAW；feature size；tensile capacity

10.11784/tdxbz202101056

TG455

A

0493-2137(2022)04-0350-07

2021-01-26；

2021-04-04.

申俊琦（1983—??），男，博士，副教授.

申俊琦，shenjunqi@tju.edu.cn.

國(guó)家自然科學(xué)基金資助項(xiàng)目(51575381).

Supported by the National Natural Science Foundation of China(No. 51575381).

(責(zé)任編輯：田?軍)