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 بالمسامية العميقة-، وقابلية التفسير. لمعالجة هذه المشكلة الحرجة، تقترح هذه الدراسة إطار عمل مبتكرًا للتعلم العميق المستنير (PIDL) للفيزياء يدمج النمذجة الميكانيكية مع البيانات التجريبية، بهدف التنبؤ بدقة بمستويات المسامية أثناء اللحام بالليزر لسبائك الألومنيوم وتوضيح الآليات الفيزيائية الأساسية المسؤولة عن تكوينها.
عند معالجة مشكلة المسامية في اللحام بالليزر-وهي ظاهرة ناتجة عن عمليات معقدة مثل عدم استقرار ثقب المفتاح وديناميكيات حوض الذوبان والتصلب-تقترح هذه الدراسة إطار عمل تنبؤيًا جديدًا يدمج المحاكاة العددية للفيزياء المتعددة مع التعلم العميق. يبدأ البحث عن طريق الاستخلاص المنهجي للمتغيرات الفيزيائية الرئيسية-المتعلقة بثبات ثقب المفتاح، وهندسة حوض الذوبان، وتدفق المعدن السائل، والخصائص الحرارية-باستخدام نموذج متعدد الفيزياء تم التحقق من صحته من خلال البيانات التجريبية. بناءً على هذا الأساس، حقق نموذج PIDL المطور انخفاضًا بنسبة 41% في متوسط الخطأ المربع (MSE) مقارنة بنماذج التعلم العميق التقليدية المدربة فقط على معلمات العملية. 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). أخيرًا، باستخدام تحليل SHAP (تفسيرات شابلي الإضافية)، حددت الدراسة كميًا-لأول مرة-الأهمية الهرمية للعوامل الفيزيائية المختلفة في عملية تكوين المسامية؛ على وجه التحديد، حددت نسبة العرض إلى الارتفاع لثقب المفتاح ومقاومة التدفق المدفوعة بتدفق الذوبان الهبوطي باعتبارهما المحددين الأكثر أهمية لتكوين المسامية، وبالتالي توفير إرشادات واضحة لتحسين العملية.
يوضح الشكل 1 الصور النموذجية لتوزيع المسامية التي تم الحصول عليها بموجب معاملات 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 طبقات 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 قيم المسامية المتوقعة والفعلية لمجموعتي 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.
يكشف الشكل 5، من خلال تحليل SHAP، عن ترتيب الأهمية واتجاهات التأثير للمتغيرات الفيزيائية المختلفة على التنبؤ بالمسامية. يشير الشكل 5 (أ) إلى أنه، من بين جميع المتغيرات الفيزيائية المختارة، فإن السرعة القصوى للأسفل داخل تدفق المعدن السائل لها التأثير الأكبر على المسامية، يليها عمق ثقب المفتاح. يوضح الشكل 5 (ب) توزيع المساهمات من كل ميزة في نتائج التنبؤ لكل عينة، حيث يمثل اللون الأحمر قيم ميزات عالية ويمثل اللون الأزرق قيم ميزات منخفضة. يكشف التحليل المشترك أن السرعة القصوى للأسفل ترتبط سلبًا بالمسامية (أي كلما كان التدفق الهبوطي أقوى، زادت المسامية)، في حين أن عمق ثقب المفتاح يرتبط بشكل إيجابي بالمسامية (أي كلما كان ثقب المفتاح أعمق، زادت المسامية).
