01
Ponència Introducció
La soldadura làser en el mode de penetració-profunda representa un procés d'unió de metalls molt prometedor en la fabricació moderna; tanmateix, la seva aplicació sovint es veu dificultada per l'aparició de defectes de porositat. Atès que la formació de porus implica processos físics altament no lineals i multi-acoblats- i és difícil de controlar *in situ* dins de metalls opacs-predir amb precisió els defectes de porositat i els seus mecanismes de formació subjacents segueix sent un repte formidable. Els estudis paramètrics tradicionals i els models d'aprenentatge automàtic basats únicament en paràmetres de soldadura en brut pateixen limitacions pel que fa a la capacitat de generalització, la precisió en la predicció de porus-profunds i la interpretació. Per abordar aquest problema crític, el present estudi proposa un marc innovador de Física-Aprenentatge profund informat (PIDL). Mitjançant la integració del modelatge mecanicista amb dades experimentals, aquest marc pretén predir amb precisió la taxa de porositat durant la soldadura làser d'aliatges d'alumini i dilucidar els mecanismes físics subjacents responsables de la seva formació.
02
**Visió general de l'estudi**
Aquest estudi aborda el problema de la porositat en la soldadura làser-un problema derivat de fenòmens complexos com la inestabilitat del forat de la clau, la dinàmica de la piscina de fusió i la solidificació-proposant un nou marc predictiu que integra la simulació numèrica multifísica amb l'aprenentatge profund. La investigació comença utilitzant un model multifísic validat experimentalment per extreure sistemàticament variables físiques clau associades amb l'estabilitat del forat de la clau, la geometria de la piscina de fosa, el flux de metall líquid i les característiques tèrmiques. A partir d'aquesta base es va construir un model PIDL; en comparació amb els models tradicionals d'aprenentatge profund entrenats únicament en paràmetres de procés, aquest model va aconseguir una reducció substancial del 41% de l'error quadrat mitjà (MSE). Per millorar la interpretabilitat del model, els investigadors van sintetitzar aquestes variables físiques en característiques adimensionals amb una significació física clara (per exemple, relació d'aspecte del forat de la clau, nombre de Stokes, etc.). Finalment, aprofitant l'anàlisi SHAP (Shapley Additive Explanations), l'estudi va revelar quantitativament-per primera vegada-la importància jeràrquica de diversos factors físics en el procés de formació de la porositat. Les troballes identifiquen la relació d'aspecte del forat de la clau i la resistència al flux impulsada pel flux de fusió descendent com els dos determinants més crítics de la formació de porositat, proporcionant així una guia clara per a l'optimització del procés.
03
Anàlisi visual
La figura 1 il·lustra imatges típiques de distribució de porus obtingudes amb diversos paràmetres de soldadura, després del processament mitjançant algorismes d'inspecció de raigs X i de reconeixement d'imatges-. La figura demostra que a mesura que la combinació de paràmetres de soldadura varia, apareixen diferències significatives en la quantitat, la mida i la distribució dels porus dins del cordó de soldadura; aquestes dades de porositat serveixen com a etiquetes per a la formació posterior de models d'aprenentatge profund.
La figura 2 presenta un diagrama esquemàtic del model numèric multifísic emprat en aquest estudi. En resoldre les equacions de conservació de la massa, el moment i l'energia-i incorporant un algorisme-de traçat de raigs-aquest model calcula amb precisió les múltiples reflexions i l'absorció d'energia del raig làser dins del forat de la pany. La figura 2(a) il·lustra la discretització del raig làser en nombrosos sub-raigs, cadascun transportant una quantitat específica d'energia; La figura 2 (b) representa geomètricament la cintura del feix del làser; i la figura 2(c) mostra visualment el complex procés de reflexions múltiples que pateixen els subraigs làser dins del forat de la clau. Aquest model proporciona informació tridimensional i transitòria sobre la morfologia del forat de la clau i les dades dels camps de flux de la piscina de fosa-que és difícil d'obtenir experimentalment-per tant, proporciona característiques d'entrada crítiques per a la construcció del model PIDL.
La figura 3 presenta els resultats de la validació del model multifísic, comparant els valors mesurats experimentalment amb les prediccions del model per a la profunditat de la piscina de fosa (Fig . 3 (a)) i la longitud de la piscina de fosa (Fig . 3 (b)) sota paràmetres de procés extrems. Els resultats demostren un fort acord entre les prediccions del model i les dades experimentals; específicament, l'error relatiu per a les prediccions de profunditat de la piscina de fosa es troba dins de l'interval de -6,3% a 20,9%, mentre que l'error de les prediccions de longitud de la piscina de fosa oscil·la entre -16,9% i 20,4%. Aquests resultats de validació confirmen l'alta precisió del model multifísic establert, demostrant la seva capacitat per proporcionar dades de variables físiques fiables per a models d'aprenentatge profund posteriors.
La figura 4 il·lustra el rendiment del model PIDL-entrenat mitjançant un conjunt de dades de variables físiques directes-per predir la porositat. La figura 4(a) demostra que les funcions de pèrdua de tots els sub-models dins del marc d'aprenentatge conjunt convergeixen de manera efectiva. Les figures 4 (b) i 4 (c) presenten comparacions entre la porositat prevista del model i la porositat real dels conjunts d'entrenament i de prova, respectivament. Els resultats indiquen que el model PIDL va aconseguir un MSE de 0,32 al conjunt d'entrenament i 0,75 al conjunt de proves, demostrant així la capacitat del mètode per aprendre eficaçment les complexes relacions no lineals entre variables físiques i porositat, i per aconseguir prediccions quantitatives relativament precises.
04
Conclusió
Afrontant els reptes associats a la difícil{0}}-predicció de la naturalesa i la difícil--quantificació de les causes dels defectes de porositat en la soldadura de penetració-profunda làser, es va proposar i validar un nou mètode de predicció d'aprenentatge profund (PIDL) informat per la física-. Aquest estudi va construir un conjunt de dades seleccionant variables físiques a partir d'un model de camp multi-físic, que abastava quatre categories principals: factors termodinàmics, flux de metall líquid, factors relacionats amb el forat-de la clau i la geometria de la piscina de fosa. Els resultats experimentals van demostrar que, en comparació amb els models tradicionals d'aprenentatge profund basats únicament en paràmetres de procés, el model PIDL proposat va aconseguir una reducció significativa del 41% de l'error quadrat mitjà de predicció (MSE). Es va identificar que la velocitat màxima de flux descendent i la profunditat del forat de la clau són les dues variables físiques més crítiques que regeixen la formació de la porositat; a més, tots dos presenten una correlació monòtona amb els nivells de porositat, mentre que les contribucions del temps de solidificació i la mida de la piscina de fusió són relativament menors i no-monotòniques. Mitjançant l'ús de tècniques de fusió de característiques per transformar variables físiques en característiques adimensionals-que descriuen eficaçment la formació, el moviment i l'atrapament de les bombolles-, l'estudi no només va reduir la dimensionalitat de les característiques sinó que també va mantenir una precisió predictiva substancial, alhora que dotava al model d'una interpretabilitat física més clara i una estabilitat estadística millorada. A partir de l'anàlisi d'interpretabilitat SHAP, es va establir explícitament que la relació d'aspecte del forat de la clau presenta una forta correlació positiva amb els nivells de porositat, servint així com un indicador eficaç per avaluar directament la propensió a la formació de porositat; simultàniament, també es va trobar que la força d'arrossegament del flux descendent-caracteritzada pel nombre de Stokes-influeix significativament en la formació de la porositat.
