搅拌摩擦焊技术（FSW）是一种通过搅拌热塑性变形的固态金属实现连接的新型焊接方法。该方法避免了常见的熔焊缺陷,能够形成性能好且成形美观的焊接结构,已在航空航天、高速铁路等行业广泛应用。然而,FSW过程中常出现孔洞缺陷,严重影响焊接接头的力学性能。为避免孔洞缺陷的形成,需在焊接试验之前选择合理的焊接参数、试板材料和尺寸,以及搅拌头材料和几何形状,以形成无孔洞缺陷的焊接接头。试验中即使采用合理的焊接条件,但由于焊接过程的不稳定等因素也很可能形成孔洞,因此需采用搅拌摩擦焊补焊（RFSW）并调整焊接修复已经形成的孔洞,但RFSW易引起残余应力和变形的累积。因此,需要选择合理的搅拌摩擦焊补焊工艺条件。本课题首次结合试验、三维数值模型和机器学习分析孔洞的形成条件,用两种机器学习算法和三种不同类型的数据集研究孔洞的形成条件,分析三种常用铝合金AA2024、AA2219和AA6061共计108组FSW孔洞形成的试验数据。本文结合试验和模拟研究FSW和RFSW过程残余应力的演化过程,试验中采用X射线衍射法、压痕应变法和盲孔法测量残余应力,并通过三维瞬态数值模型与Abaqus-FEA模型相结合研究RFSW过程对残余应力和变形的影响。采用神经网络分析焊接参数和材料属性对孔洞缺陷形成的影响,这种方法预测孔洞形成的准确率为83.3%。当采用简化模型计算四个特征参量,温度、应变率、最大剪切应力和扭矩,进行神经网络和决策树分析时的预测准确率可以达到93.3%和90.0%。如采用三维稳态模型计算该四个特征参量,再采用神经网络和决策树对孔洞形成进行预测,该两种算法的预测准确率均为96.6%。在这四个特征参量中,温度和最大剪切应力对孔洞的形成表现出最大影响。研究结果表明温度场的分布对残余应力演化有显著影响,FSW过程中,搅拌头区域形成“高温度低应力”区域,已焊处材料经过快速冷却,形成“低温度高应力”区域,x方向残余应力分布呈现典型的“M”形,在x和y方向上的残余应力均约为80 MPa。补焊过程中的温度和应力都出现显著的“积累效应”,但在试板完全冷却之后,该“积累效应”并不显著。随着补焊次数增加,焊缝区域x方向上的残余应力无显著变化,y方向上的“高应力”范围增大。