Лазерното заваряване в режим на дълбоко -проникване представлява многообещаващ процес на свързване на метали в съвременното производство; въпреки това приложението му често се възпрепятства от появата на дефекти на порьозността. Като се има предвид, че образуването на пори включва силно нелинейни и много{2}}свързани физически процеси-и е трудно да се наблюдава *in situ* в рамките на непрозрачни метали-точното прогнозиране на дефектите на порьозността и техните основни механизми на образуване остава огромно предизвикателство. Традиционните параметрични изследвания и моделите за машинно обучение, базирани единствено на сурови параметри на заваряване, страдат от ограничения по отношение на способността за обобщаване, точността при прогнозиране на дълбоко-порестостта и интерпретируемостта. За да се отговори на този критичен проблем, това проучване предлага иновативна рамка за-информирано задълбочено обучение по физика (PIDL), която интегрира механично моделиране с експериментални данни, целяща точно прогнозиране на нивата на порьозност по време на лазерното заваряване на алуминиеви сплави и изясняване на основните физически механизми, отговорни за тяхното образуване.
Разглеждайки проблема с порьозността при лазерното заваряване-феномен, задвижван от сложни процеси като нестабилност в ключалката, динамика на стопилката и втвърдяване-това проучване предлага нова прогнозна рамка, която интегрира мултифизична числена симулация с дълбоко обучение. Изследването започва със систематично извличане на ключови физически променливи-свързани със стабилността на ключалката, геометрията на басейна за стопилка, потока на течния метал и топлинните характеристики-с помощта на мултифизичен модел, валидиран чрез експериментални данни. Въз основа на тази основа разработеният PIDL модел постигна 41% намаление на средната квадратична грешка (MSE) в сравнение с традиционните модели за дълбоко обучение, обучени единствено на параметри на процеса. За да подобрят интерпретируемостта на модела, изследователите синтезираха тези физически променливи в безразмерни характеристики с ясно физическо значение (напр. аспектно съотношение на ключалката, число на Стокс). И накрая, използвайки SHAP (Shapley Additive Explanations) анализ, изследването установи количествено-за първи път-йерархичното значение на различни физически фактори в процеса на образуване на порьозност; по-конкретно, той идентифицира аспектното съотношение на ключалката и съпротивлението на потока, управлявано от потока на стопилката надолу, като двата най-критични детерминанта за образуването на порьозност, като по този начин предоставя ясни насоки за оптимизиране на процеса.
Фигура 1 илюстрира типични изображения на разпределението на порьозността, получени при различни параметри на заваряване, след обработка чрез рентгенова инспекция и алгоритми за разпознаване на изображения. Фигурата показва, че тъй като комбинацията от параметри на заваряване варира, се появяват значителни разлики в количеството, размера и разпределението на порите в заваръчните шевове; тези данни за порьозност служат като етикети за последващо обучение на модели за дълбоко обучение.
Фигура 2 представя схематична диаграма на мултифизичния числен модел, използван в това изследване. Чрез решаване на уравненията за запазване на масата, импулса и енергията-и включването на-алгоритъм за проследяване на лъчи-този модел изчислява точно множеството отражения и поглъщането на енергия на лазерния лъч в ключалката. Фигура 2(a) илюстрира дискретизацията на лазерния лъч в множество под-лъчи, всеки от които носи определено количество енергия; Фигура 2(b) геометрично изобразява талията на лъча на лазера; и Фигура 2(c) изобразява визуално сложния процес на множество отражения, претърпян от лазерните под-лъчи вътре в ключалката. Този модел предоставя три{12}}измерна, преходна информация относно морфологията на ключалката и полетата на потока от стопилката-данни, които е трудно да се получат експериментално-като по този начин осигурява критични входни характеристики за изграждането на PIDL модела.
Фигура 3 представя резултатите от валидирането на мултифизичния модел, сравнявайки експериментално измерени стойности с прогнозите на модела за дълбочина на басейна на стопилката (Фигура. 3(a)) и дължината на басейна на стопилката (Фигура. 3(b)) при екстремни параметри на процеса. Резултатите демонстрират силно съответствие между прогнозите на модела и експерименталните данни; по-конкретно, относителната грешка за прогнози за дълбочината на басейна на топене попада в диапазона от -6,3% до 20,9%, докато грешката за прогнози за дължината на басейна на стопилка варира от -16,9% до 20,4%. Тези резултати от валидирането потвърждават високата точност на установения мултифизичен модел, демонстрирайки способността му да предоставя надеждни физически променливи данни за последващи модели на дълбоко обучение.
Фигура 4 илюстрира ефективността на PIDL модела-обучен с помощта на набор от данни от директни физически променливи-при прогнозиране на порьозността. Фигура 4(a) демонстрира, че функциите на загубата за всички под-модели в рамката за обучение на ансамбъл се сближават ефективно. Фигури 4(b) и 4(c) представят сравнения между прогнозираните и действителните стойности на порьозност съответно за комплектите за обучение и тестване. Резултатите показват, че PIDL моделът е постигнал MSE от 0,32 на набора за обучение и 0,75 на набора за тестване, като по този начин демонстрира способността на метода да научи ефективно сложните нелинейни връзки между физическите променливи и порьозността и да постигне точни количествени прогнози.
Фигура 5, чрез SHAP анализ, разкрива класирането по важност и тенденциите на влияние на различни физически променливи върху прогнозирането на порьозността. Фигура 5 (а) показва, че сред всички избрани физически променливи максималната скорост надолу в потока от течен метал оказва най-голямо влияние върху порьозността, последвана от дълбочината на ключалката. Фигура 5(b) илюстрира разпределението на приноса от всяка характеристика към резултатите от прогнозата за всяка проба, където червеното представлява високи стойности на характеристиките, а синьото представлява ниски стойности на характеристиките. Комбиниран анализ разкрива, че максималната скорост надолу е отрицателно свързана с порьозността (т.е. колкото по-силен е потокът надолу, толкова по-голяма е порьозността), докато дълбочината на ключалката е в положителна корелация с порьозността (т.е. колкото по-дълбока е дупката на ключалката, толкова по-висока е порьозността).
