基于NSGA-Ⅲ-EBM模型的电阻点焊接头性能可解释预测

来源：计算机集成制造系统杂志2025年第4期北京时间：

作者：王恒, 杨凯, 何奕程, 黄海松, 陈家兑, 高鑫

单位：1.贵州大学现代制造技术教育部重点实验室2.温州职业技术学院3.贵州大学机械工程学院

摘要：基于焊接过程信息和机器学习模型的质量预测方法,是实现动力锂电池组焊接接头性能可靠评估的主要途径。为解决传统机器学习模型存在的超参数选择不合理和预测结果可解释性差等问题,建立了锂电池电阻点焊过程信息数据集,构建了接头性能预测机器学习模型,对比分析了不同机器学习模型对电阻点焊小样本数据集的预测性能;基于第三代非支配排序遗传算法(NSGA-Ⅲ)提出了NSGA-Ⅲ-EBM模型,研究了NSGA-Ⅲ-EBM模型对不同特征数据的泛化性,并对输入特征进行了全局解释和局部解释分析。结果表明,针对焊接接头的熔核直径以及拉伸剪切载荷的预测,EBM模型相较于MLP、MLS-SVR和XGBoost模型具有更好的预测性能,在测试集上的平均RMSE、R2分别为2.4127、0.8466;采用NSGA-Ⅲ进行超参数优化后的NSGA-Ⅲ-EBM模相较于未优化的EBM模型,在测试集上的平均RMSE和R2分别提升了17.2%、2.1%;此外,还确定了影响接头性能的重要特征,为焊接工艺参数的动态调整提供了依据。

关键词：电阻点焊,接头性能,可解释模型,超参数优化

基金资助：国家自然科学基金资助项目(52265062);贵州省科技计划资助项目(黔科合基础ZD［2025］099,黔科合基础MS［2025］620,黔科合支撑［2023］一般302);大学生创新创业训练计划资助项目(gzugc2023032,gzugc2023033)。