गहरी पैठ मोड में लेज़र वेल्डिंग आधुनिक विनिर्माण में धातु जोड़ने की अत्यधिक आशाजनक प्रक्रिया का प्रतिनिधित्व करती है; हालाँकि, सरंध्रता दोषों की घटना के कारण इसका अनुप्रयोग अक्सर बाधित होता है। यह देखते हुए कि छिद्र निर्माण में अत्यधिक अरैखिक और बहु{{2}युग्मित भौतिक प्रक्रियाएं शामिल होती हैं {{3}और अपारदर्शी धातुओं के भीतर *स्वस्थान* की निगरानी करना मुश्किल होता है{{4}सरंध्रता दोषों और उनके अंतर्निहित गठन तंत्र की सटीक भविष्यवाणी करना एक कठिन चुनौती बनी हुई है। पूरी तरह से कच्चे वेल्डिंग मापदंडों पर आधारित पारंपरिक पैरामीट्रिक अध्ययन और मशीन लर्निंग मॉडल सामान्यीकरण क्षमता, गहरे बैठे सरंध्रता की भविष्यवाणी करने में सटीकता और व्याख्यात्मकता के संबंध में सीमाओं से ग्रस्त हैं। इस महत्वपूर्ण मुद्दे को संबोधित करने के लिए, यह अध्ययन एक अभिनव भौतिकी {{8} सूचित गहन शिक्षण (पीआईडीएल) ढांचे का प्रस्ताव करता है जो प्रयोगात्मक डेटा के साथ यंत्रवत मॉडलिंग को एकीकृत करता है, जिसका लक्ष्य एल्यूमीनियम मिश्र धातुओं के लेजर वेल्डिंग के दौरान सरंध्रता के स्तर की सटीक भविष्यवाणी करना और उनके गठन के लिए जिम्मेदार अंतर्निहित भौतिक तंत्र को स्पष्ट करना है।
लेज़र वेल्डिंग में सरंध्रता के मुद्दे को संबोधित करते हुए {{0}कीहोल अस्थिरता, पिघल पूल गतिशीलता और ठोसकरण जैसी जटिल प्रक्रियाओं से प्रेरित एक घटना {{1}यह अध्ययन एक उपन्यास भविष्य कहनेवाला ढांचे का प्रस्ताव करता है जो गहन शिक्षा के साथ मल्टीफ़िज़िक्स संख्यात्मक सिमुलेशन को एकीकृत करता है। अनुसंधान प्रायोगिक डेटा के माध्यम से मान्य मल्टीफ़िज़िक्स मॉडल का उपयोग करके कीहोल स्थिरता, पिघल पूल ज्यामिति, तरल धातु प्रवाह और थर्मल विशेषताओं से संबंधित प्रमुख भौतिक चर को व्यवस्थित रूप से निकालने से शुरू होता है। इस आधार पर, विकसित पीआईडीएल मॉडल ने पूरी तरह से प्रक्रिया मापदंडों पर प्रशिक्षित पारंपरिक गहन शिक्षण मॉडल की तुलना में माध्य वर्ग त्रुटि (एमएसई) में 41% की कमी हासिल की। मॉडल की व्याख्या को बढ़ाने के लिए, शोधकर्ताओं ने इन भौतिक चरों को स्पष्ट भौतिक महत्व (उदाहरण के लिए, कीहोल पहलू अनुपात, स्टोक्स संख्या) के साथ आयामहीन विशेषताओं में संश्लेषित किया। अंत में, SHAP (शेपली एडिटिव एक्सप्लेनेशंस) विश्लेषण का उपयोग करते हुए, अध्ययन ने पहली बार मात्रात्मक रूप से स्थापित किया - पहली बार सरंध्रता निर्माण प्रक्रिया में विभिन्न भौतिक कारकों का पदानुक्रमित महत्व; विशेष रूप से, इसने कीहोल पहलू अनुपात और नीचे की ओर पिघले प्रवाह द्वारा संचालित प्रवाह प्रतिरोध को सरंध्रता गठन के दो सबसे महत्वपूर्ण निर्धारकों के रूप में पहचाना, जिससे प्रक्रिया अनुकूलन के लिए स्पष्ट मार्गदर्शन प्रदान किया गया।
चित्र 1 एक्स-रे निरीक्षण और छवि पहचान एल्गोरिदम के माध्यम से प्रसंस्करण के बाद विभिन्न वेल्डिंग मापदंडों के तहत प्राप्त सरंध्रता वितरण की विशिष्ट छवियों को दिखाता है। यह आंकड़ा दर्शाता है कि जैसे-जैसे वेल्डिंग मापदंडों का संयोजन बदलता है, वेल्ड सीम के भीतर छिद्रों की मात्रा, आकार और वितरण में महत्वपूर्ण अंतर सामने आते हैं; ये सरंध्रता डेटा गहन शिक्षण मॉडल के बाद के प्रशिक्षण के लिए लेबल के रूप में काम करते हैं।
चित्र 2 इस अध्ययन में नियोजित बहुभौतिकी संख्यात्मक मॉडल का एक योजनाबद्ध आरेख प्रस्तुत करता है। द्रव्यमान, संवेग और ऊर्जा के लिए संरक्षण समीकरणों को हल करके {{2}और किरण अनुरेखण एल्गोरिदम को शामिल करके {{4}यह मॉडल कीहोल के भीतर लेजर बीम के कई प्रतिबिंबों और ऊर्जा अवशोषण की सटीक गणना करता है। चित्र 2(ए) लेज़र बीम को कई उप-किरणों में विभाजित करने को दर्शाता है, जिनमें से प्रत्येक में एक विशिष्ट मात्रा में ऊर्जा होती है; चित्र 2(बी) ज्यामितीय रूप से लेजर की बीम कमर को दर्शाता है; और चित्र 2(सी) कीहोल के अंदर लेजर उप-किरणों द्वारा किए गए एकाधिक प्रतिबिंबों की जटिल प्रक्रिया को दृश्य रूप से प्रस्तुत करता है। यह मॉडल कीहोल आकृति विज्ञान और पिघले हुए पूल प्रवाह क्षेत्रों के बारे में त्रि-आयामी, क्षणिक जानकारी प्रदान करता है, डेटा जिसे प्रयोगात्मक रूप से प्राप्त करना मुश्किल है, जिससे पीआईडीएल मॉडल के निर्माण के लिए महत्वपूर्ण इनपुट सुविधाएं उपलब्ध होती हैं।
चित्र 3 मल्टीफ़िज़िक्स मॉडल के सत्यापन परिणाम प्रस्तुत करता है, चरम प्रक्रिया मापदंडों के तहत पिघले पूल की गहराई (चित्र. 3(ए)) और पिघले हुए पूल की लंबाई (चित्र. 3(बी)) के लिए मॉडल भविष्यवाणियों के साथ प्रयोगात्मक रूप से मापे गए मूल्यों की तुलना करता है। परिणाम मॉडल भविष्यवाणियों और प्रयोगात्मक डेटा के बीच एक मजबूत समझौते को प्रदर्शित करते हैं; विशेष रूप से, पिघले पूल की गहराई के पूर्वानुमानों के लिए सापेक्ष त्रुटि -6.3% से 20.9% की सीमा के भीतर आती है, जबकि पिघले हुए पूल की लंबाई के पूर्वानुमानों के लिए त्रुटि -16.9% से 20.4% के बीच होती है। ये सत्यापन परिणाम स्थापित मल्टीफ़िज़िक्स मॉडल की उच्च सटीकता की पुष्टि करते हैं, जो बाद के गहन शिक्षण मॉडल के लिए विश्वसनीय भौतिक चर डेटा प्रदान करने की इसकी क्षमता का प्रदर्शन करते हैं।
चित्र 4 सरंध्रता की भविष्यवाणी करने में प्रत्यक्ष भौतिक चर के डेटासेट का उपयोग करके प्रशिक्षित पीआईडीएल मॉडल के प्रदर्शन को दर्शाता है। चित्र 4(ए) दर्शाता है कि समग्र शिक्षण ढांचे के भीतर सभी उप-मॉडलों के लिए हानि कार्य प्रभावी ढंग से अभिसरण करते हैं। चित्र 4(बी) और 4(सी) क्रमशः प्रशिक्षण और परीक्षण सेट के लिए अनुमानित और वास्तविक सरंध्रता मूल्यों के बीच तुलना प्रस्तुत करते हैं। नतीजे बताते हैं कि पीआईडीएल मॉडल ने प्रशिक्षण सेट पर 0.32 और परीक्षण सेट पर 0.75 का एमएसई हासिल किया, जिससे भौतिक चर और सरंध्रता के बीच जटिल गैर-रेखीय संबंधों को प्रभावी ढंग से सीखने और सटीक मात्रात्मक भविष्यवाणियां प्राप्त करने की विधि की क्षमता प्रदर्शित हुई।
चित्र 5, SHAP विश्लेषण के माध्यम से, सरंध्रता भविष्यवाणी पर विभिन्न भौतिक चरों के महत्व की रैंकिंग और प्रभाव प्रवृत्तियों का खुलासा करता है। चित्र 5(ए) इंगित करता है कि, सभी चयनित भौतिक चरों के बीच, तरल धातु प्रवाह के भीतर अधिकतम नीचे की ओर वेग सरंध्रता पर सबसे अधिक प्रभाव डालता है, इसके बाद कीहोल की गहराई आती है। चित्र 5(बी) प्रत्येक नमूने के लिए पूर्वानुमान परिणामों में प्रत्येक सुविधा से योगदान के वितरण को दर्शाता है, जिसमें लाल उच्च सुविधा मूल्यों का प्रतिनिधित्व करता है और नीला कम सुविधा मूल्यों का प्रतिनिधित्व करता है। एक संयुक्त विश्लेषण से पता चलता है कि अधिकतम अधोमुखी वेग सरंध्रता के साथ नकारात्मक रूप से सहसंबद्ध है (यानी, नीचे की ओर प्रवाह जितना मजबूत होगा, सरंध्रता उतनी ही अधिक होगी), जबकि कीहोल की गहराई सरंध्रता के साथ सकारात्मक रूप से सहसंबद्ध है (यानी, कीहोल जितना गहरा होगा, सरंध्रता उतनी ही अधिक होगी)।
