基于NSGA-III-EBM模型的电阻点焊接头性能可解释预测

作     者：王恒 杨凯 何奕程 黄海松 陈家兑 高鑫 

作者机构：贵州大学现代制造技术教育部重点实验室 温州职业技术学院 贵州大学机械工程学院 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：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ZK一般131,黔科合支撑一般302) 大学生创新创业训练计划资助项目(gzugc2023032,gzugc2023033) 

主　　题：电阻点焊 接头性能 可解释模型 超参数优化 

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，论文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。