Kimpalan laser dalam mod penembusan-dalam mewakili proses penyambungan logam yang sangat menjanjikan dalam pembuatan moden; namun, penggunaannya sering terhalang oleh berlakunya kecacatan keliangan. Memandangkan pembentukan liang melibatkan sangat tidak linear dan berbilang-proses fizikal berganding-dan sukar untuk memantau *in situ* dalam logam legap-meramalkan kecacatan keliangan dengan tepat dan mekanisme pembentukan asasnya kekal sebagai cabaran yang menggerunkan. Kajian parametrik tradisional dan model pembelajaran mesin berdasarkan parameter kimpalan mentah semata-mata mengalami pengehadan mengenai keupayaan generalisasi, ketepatan dalam meramalkan keliangan dudukan-dalam dan kebolehtafsiran. Untuk menangani isu kritikal ini, kajian ini mencadangkan rangka kerja Fizik-Pembelajaran Mendalam Bermaklumat (PIDL) inovatif yang menyepadukan pemodelan mekanistik dengan data percubaan, bertujuan untuk meramalkan tahap keliangan dengan tepat semasa kimpalan laser aloi aluminium dan untuk menjelaskan mekanisme fizikal asas yang bertanggungjawab untuk pembentukannya.
Menangani isu keliangan dalam kimpalan laser-suatu fenomena yang didorong oleh proses kompleks seperti ketidakstabilan lubang kunci, dinamik kolam cair dan pemejalan-kajian ini mencadangkan rangka kerja ramalan baru yang menyepadukan simulasi berangka multifizik dengan pembelajaran mendalam. Penyelidikan bermula dengan mengekstrak pembolehubah fizikal utama secara sistematik-berkaitan dengan kestabilan lubang kunci, geometri kolam cair, aliran logam cecair dan ciri terma-menggunakan model multifizik yang disahkan melalui data eksperimen. Berdasarkan asas ini, model PIDL yang dibangunkan mencapai pengurangan 41% dalam ralat kuadrat min (MSE) berbanding model pembelajaran mendalam tradisional yang dilatih semata-mata pada parameter proses. Untuk meningkatkan kebolehtafsiran model, penyelidik mensintesis pembolehubah fizikal ini ke dalam ciri tanpa dimensi dengan kepentingan fizikal yang jelas (cth, nisbah aspek lubang kunci, nombor Stokes). Akhir sekali, menggunakan analisis SHAP (Shapley Additive Explanations), kajian ini secara kuantitatif mewujudkan-buat pertama kali-kepentingan hierarki pelbagai faktor fizikal dalam proses pembentukan keliangan; khususnya, ia mengenal pasti nisbah aspek lubang kunci dan rintangan aliran yang didorong oleh aliran cair ke bawah sebagai dua penentu pembentukan keliangan yang paling kritikal, dengan itu memberikan panduan yang jelas untuk pengoptimuman proses.
Rajah 1 menggambarkan imej tipikal taburan keliangan yang diperoleh di bawah pelbagai parameter kimpalan, berikutan pemprosesan melalui pemeriksaan-sinar X dan algoritma pengecaman imej. Angka tersebut menunjukkan bahawa apabila gabungan parameter kimpalan berbeza-beza, perbezaan ketara muncul dalam kuantiti, saiz, dan taburan liang dalam jahitan kimpalan; data keliangan ini berfungsi sebagai label untuk latihan model pembelajaran mendalam yang seterusnya.
Rajah 2 membentangkan gambarajah skematik model berangka multifizik yang digunakan dalam kajian ini. Dengan menyelesaikan persamaan pemuliharaan untuk jisim, momentum dan tenaga-dan menggabungkan-algoritma pengesanan sinar-model ini mengira dengan tepat pantulan berbilang dan penyerapan tenaga pancaran laser dalam lubang kunci. Rajah 2(a) menggambarkan pendiskretan pancaran laser kepada banyak sub-sinar, setiap satu membawa jumlah tenaga tertentu; Rajah 2(b) secara geometri menggambarkan pinggang rasuk laser; dan Rajah 2(c) secara visual memaparkan proses kompleks berbilang pantulan yang dilalui oleh sub{10}}sinar laser di dalam lubang kunci. Model ini menyediakan tiga-maklumat sementara, morfologi lubang kunci dan medan aliran kolam cair-yang sukar diperoleh secara eksperimen-sehingga memberikan ciri input kritikal untuk pembinaan model PIDL.
Rajah 3 membentangkan keputusan pengesahan model multifizik, membandingkan nilai diukur secara eksperimen dengan ramalan model untuk kedalaman kolam cair (Rajah. 3(a)) dan panjang kolam cair (Rajah. 3(b)) di bawah parameter proses melampau. Keputusan menunjukkan persetujuan yang kukuh antara ramalan model dan data eksperimen; khususnya, ralat relatif untuk ramalan kedalaman kolam cair berada dalam julat -6.3% hingga 20.9%, manakala ralat untuk ramalan panjang kolam cair adalah antara -16.9% hingga 20.4%. Keputusan pengesahan ini mengesahkan ketepatan tinggi model multifizik yang telah ditetapkan, menunjukkan keupayaannya untuk menyediakan data pembolehubah fizikal yang boleh dipercayai untuk model pembelajaran mendalam seterusnya.
Rajah 4 menggambarkan prestasi model PIDL-dilatih menggunakan set data pembolehubah fizikal langsung-dalam meramalkan keliangan. Rajah 4(a) menunjukkan bahawa kehilangan berfungsi untuk semua sub-model dalam rangka kerja pembelajaran ensemble berkumpul dengan berkesan. Rajah 4(b) dan 4(c) menunjukkan perbandingan antara nilai keliangan yang diramalkan dan sebenar untuk set latihan dan ujian, masing-masing. Keputusan menunjukkan bahawa model PIDL mencapai MSE sebanyak 0.32 pada set latihan dan 0.75 pada set ujian, dengan itu menunjukkan keupayaan kaedah untuk mempelajari secara berkesan hubungan tak linear yang kompleks antara pembolehubah fizikal dan keliangan, dan untuk mencapai ramalan kuantitatif yang tepat.
Rajah 5, melalui analisis SHAP, mendedahkan kedudukan kepentingan dan trend pengaruh pelbagai pembolehubah fizikal pada ramalan keliangan. Rajah 5(a) menunjukkan bahawa, di antara semua pembolehubah fizik yang dipilih, halaju ke bawah maksimum dalam aliran logam cecair memberikan pengaruh yang paling besar pada keliangan, diikuti dengan kedalaman lubang kunci. Rajah 5(b) menggambarkan taburan sumbangan daripada setiap ciri kepada keputusan ramalan bagi setiap sampel, di mana merah mewakili nilai ciri tinggi dan biru mewakili nilai ciri rendah. Analisis gabungan mendedahkan bahawa halaju ke bawah maksimum berkorelasi negatif dengan keliangan (iaitu, semakin kuat aliran ke bawah, semakin tinggi keliangan), manakala kedalaman lubang kunci berkorelasi positif dengan keliangan (iaitu, semakin dalam lubang kunci, semakin tinggi keliangan).
