01
مقدمة الورق
يمثل اللحام بالليزر في وضع الاختراق العميق- عملية ربط معدنية واعدة للغاية في التصنيع الحديث؛ ومع ذلك، يتم إعاقة تطبيقه في كثير من الأحيان بسبب حدوث عيوب المسامية. نظرًا لأن تكوين المسام يشتمل على عمليات فيزيائية غير خطية ومتعددة-مقترنة-ومن الصعب مراقبتها *في الموقع* داخل المعادن المعتمة-يظل التنبؤ الدقيق بعيوب المسامية وآليات تكوينها الأساسية يمثل تحديًا هائلاً. تعاني الدراسات البارامترية التقليدية ونماذج التعلم الآلي التي تعتمد فقط على معلمات اللحام الخام من القيود المتعلقة بقدرة التعميم، والدقة في التنبؤ بالمسام العميقة-، وقابلية التفسير. لمعالجة هذه المشكلة الحرجة، تقترح الدراسة الحالية إطارًا مبتكرًا للتعلم العميق المستنير (PIDL) للفيزياء. ومن خلال دمج النمذجة الميكانيكية مع البيانات التجريبية، يهدف هذا الإطار إلى التنبؤ بدقة بمعدل المسامية أثناء اللحام بالليزر لسبائك الألومنيوم وتوضيح الآليات الفيزيائية الأساسية المسؤولة عن تكوينها.
02
**نظرة عامة على الدراسة**
تتناول هذه الدراسة مسألة المسامية في اللحام بالليزر-وهي مشكلة تنبع من ظواهر معقدة مثل عدم استقرار ثقب المفتاح، وديناميكيات حوض الذوبان، والتصلب-من خلال اقتراح إطار عمل تنبؤي جديد يدمج المحاكاة العددية للفيزياء المتعددة مع التعلم العميق. يبدأ البحث باستخدام نموذج متعدد الفيزياء تم التحقق من صحته تجريبيًا لاستخراج المتغيرات الفيزيائية الرئيسية المرتبطة باستقرار ثقب المفتاح، وهندسة حوض الذوبان، وتدفق المعدن السائل، والخصائص الحرارية بشكل منهجي. وبناء على هذا الأساس، تم بناء نموذج PIDL؛ بالمقارنة مع نماذج التعلم العميق التقليدية التي تم تدريبها فقط على معلمات العملية، حقق هذا النموذج انخفاضًا كبيرًا بنسبة 41% في متوسط الخطأ التربيعي (MSE). لتعزيز قابلية تفسير النموذج، قام الباحثون بتجميع هذه المتغيرات الفيزيائية في ميزات بلا أبعاد ذات أهمية فيزيائية واضحة (على سبيل المثال، نسبة أبعاد ثقب المفتاح، رقم ستوكس، وما إلى ذلك). أخيرًا، ومن خلال الاستفادة من تحليل SHAP (تفسيرات شابلي الإضافية)، كشفت الدراسة كميًا-لأول مرة-الأهمية الهرمية لمختلف العوامل الفيزيائية في عملية تكوين المسامية. تحدد النتائج نسبة العرض إلى الارتفاع لثقب المفتاح ومقاومة التدفق المدفوعة بتدفق الذوبان الهبوطي باعتبارهما المحددين الأكثر أهمية لتكوين المسامية، وبالتالي توفير إرشادات واضحة لتحسين العملية.
03
التحليل البصري
يوضح الشكل 1 صور توزيع المسام النموذجية التي تم الحصول عليها بموجب معلمات لحام مختلفة، بعد المعالجة عبر فحص الأشعة السينية وخوارزميات التعرف على الصور. يوضح الشكل أنه مع اختلاف مجموعة معلمات اللحام، تظهر اختلافات كبيرة في كمية وحجم وتوزيع المسام داخل خط اللحام؛ تعمل بيانات المسامية هذه بمثابة تسميات للتدريب اللاحق لنماذج التعلم العميق.
يعرض الشكل 2 رسمًا تخطيطيًا للنموذج العددي للفيزياء المتعددة المستخدم في هذه الدراسة. من خلال حل معادلات حفظ الكتلة والزخم والطاقة-ودمج خوارزمية تتبع الشعاع-يحسب هذا النموذج بدقة الانعكاسات المتعددة وامتصاص الطاقة لشعاع الليزر داخل ثقب المفتاح. يوضح الشكل 2 (أ) تقسيم شعاع الليزر إلى عدة أشعة فرعية، يحمل كل منها كمية محددة من الطاقة؛ الشكل 2 (ب) يصور هندسيا الخصر شعاع الليزر؛ ويعرض الشكل 2(ج) بشكل مرئي العملية المعقدة للانعكاسات المتعددة التي تتعرض لها أشعة الليزر الفرعية- داخل ثقب المفتاح. يوفر هذا النموذج معلومات مؤقتة-ثلاثية الأبعاد بخصوص شكل ثقب المفتاح وحقول تدفق حوض الذوبان-بيانات يصعب الحصول عليها تجريبيًا-وبالتالي توفير ميزات الإدخال المهمة لبناء نموذج PIDL.
يعرض الشكل 3 نتائج التحقق من صحة نموذج الفيزياء المتعددة، حيث يقارن القيم المقاسة تجريبيًا مع تنبؤات النموذج لعمق حوض الذوبان (الشكل . 3 (أ)) وطول حوض الذوبان (الشكل . 3 (ب)) تحت معلمات العملية القصوى. تظهر النتائج وجود اتفاق قوي بين تنبؤات النموذج والبيانات التجريبية؛ على وجه التحديد، يقع الخطأ النسبي للتنبؤات بعمق حوض الذوبان ضمن نطاق -6.3% إلى 20.9%، في حين يتراوح الخطأ في تنبؤات طول حوض الذوبان من -16.9% إلى 20.4%. تؤكد نتائج التحقق هذه الدقة العالية لنموذج الفيزياء المتعددة القائم، مما يدل على قدرته على توفير بيانات متغيرة فيزيائية موثوقة لنماذج التعلم العميق اللاحقة.
يوضح الشكل 4 أداء نموذج PIDL-الذي تم تدريبه باستخدام مجموعة بيانات من المتغيرات الفيزيائية المباشرة-في التنبؤ بالمسامية. يوضح الشكل 4 (أ) أن وظائف الخسارة لجميع النماذج الفرعية-ضمن إطار التعلم المجمع تتقارب بشكل فعال. يعرض الشكلان 4 (ب) و4 (ج) مقارنات بين المسامية المتوقعة للنموذج والمسامية الفعلية في مجموعتي التدريب والاختبار، على التوالي. تشير النتائج إلى أن نموذج PIDL حقق MSE قدره 0.32 في مجموعة التدريب و0.75 في مجموعة الاختبار، مما يدل على قدرة الطريقة على التعلم الفعال للعلاقات غير الخطية المعقدة بين المتغيرات الفيزيائية والمسامية، وتحقيق تنبؤات كمية دقيقة نسبيًا.
04
خاتمة
في مواجهة التحديات المرتبطة بصعوبة التنبؤ بالطبيعة -و-وصعوبة تحديد أسباب عيوب المسامية في اللحام بالاختراق العميق-لحام الليزر-وتحديدها كميًا، تم اقتراح طريقة جديدة للتنبؤ بالتعلم العميق (PIDL) والتحقق من صحتها. أنشأت هذه الدراسة مجموعة بيانات عن طريق تحديد المتغيرات الفيزيائية من نموذج مجال فيزيائي متعدد-، يشمل أربع فئات رئيسية: العوامل الديناميكية الحرارية، وتدفق المعدن السائل، والعوامل المرتبطة بثقب المفتاح، وهندسة حوض الذوبان. أظهرت النتائج التجريبية أنه، بالمقارنة مع نماذج التعلم العميق التقليدية التي تعتمد فقط على معلمات العملية، حقق نموذج PIDL المقترح انخفاضًا كبيرًا بنسبة 41% في متوسط الخطأ التربيعي للتنبؤ (MSE). تم تحديد أن الحد الأقصى لسرعة التدفق الهبوطي وعمق ثقب المفتاح هما المتغيران الفيزيائيان الأكثر أهمية اللذين يحكمان تكوين المسامية؛ علاوة على ذلك، يُظهر كلاهما ارتباطًا رتيبًا بمستويات المسامية، في حين أن مساهمات وقت التصلب وحجم حوض الذوبان بسيطة نسبيًا وغير رتيبة. من خلال استخدام تقنيات دمج الميزات لتحويل المتغيرات المادية إلى ميزات بلا أبعاد-والتي تصف بشكل فعال تكوين الفقاعات وحركتها وانحباسها-، لم تقلل الدراسة من أبعاد الميزة فحسب، بل حافظت أيضًا على دقة تنبؤية كبيرة، مع منح النموذج قابلية تفسير فيزيائي أكثر وضوحًا وثباتًا إحصائيًا معززًا. استنادًا إلى تحليل قابلية تفسير SHAP، ثبت صراحة أن نسبة العرض إلى الارتفاع لثقب المفتاح تظهر علاقة إيجابية قوية مع مستويات المسامية، وبالتالي تكون بمثابة مؤشر فعال للتقييم المباشر للميل لتكوين المسامية؛ وفي الوقت نفسه، وجد أيضًا أن قوة سحب التدفق للأسفل-التي تتميز برقم ستوكس- لها تأثير كبير على تكوين المسامية.
