Deep Learning-Assisted Multi-Objective Optimization and Microstructure Property Correlation in Rotary Friction Welding of Dissimilar AA1100–AA2014 Aluminium Alloys

تخيل أنك تحاول خبز كعكة مثالية، ولكن لديك مكونان مختلفان تمامًا: أحدهما عبارة عن مارشميلو طري ومطاطي، والآخر عبوة بسكويت صلبة ومقرمشة. إذا حاولت صهرهما معًا في فرن عادي، فقد يتحول المارشميلو إلى فوضى لزجة بينما يظل البسكويت صلبًا، أو قد ينفصلان تمامًا. هذا هو بالضبط المشكل الذي يواجهه المهندسون عند محاولة ربط أنواع مختلفة من الألومنيوم. أحد الأنواع طري ورائع في توصيل الحرارة (مثل المارشميلو)، بينما الآخر قوي جدًا وصعب التعامل معه (مثل البسكويت). عادةً، عندما تحاول لحامهما باستخدام حرارة عالية، لا يمتزجان جيدًا، مما يترك نقاطًا ضعيفة قد تنكسر تحت الضغط.

لحل هذه المشكلة، يستخدم العلماء تقنية تسمى "لحام الاحتكاك الدوراني". بدلًا من صهر المعدن مثل اللحام العادي، يقومون بتدوير قطعة ضد الأخرى بسرعة عالية. فكر في الأمر كفرك يديك معًا بسرعة كبيرة لتوليد الحرارة؛ فالاحتكاك يولد حرارة كافية لجعل المعدن طريًا ولينًا دون صهره فعليًا. ثم يقومون بضغطهما معًا بمطرقة ثقيلة (عملية التشكيل أو Forging) لدمجهما في قطعة واحدة صلبة. الجزء الصعب هو تحديد مدى سرعة الدوران بالضبط، وكم مقدار الضغط، ولمدة كم من الوقت. إذا أخطأت في "الوصفة"، ستكون الوصلة ضعيفة. وهنا يأتي دور الورقة البحثية، التي تستخدم مزيجًا من التجارب التقليدية وعقول حاسوبية فائقة الذكاء لإيجاد الوصفة المثالية لربط هذين النوعين المختلفين من سبائك الألومنيوم.

المواجهة الكبرى للألومنيوم

في هذه الدراسة، عالج الباحثون تحدي ربط نوعين محددين من سبائك الألومنيوم: AA1100 و AA2014. يمكنك اعتبار AA1100 بمثابة "العملاق اللطيف" — فهو طري جدًا، يتمدد بسهولة، ويقوم بتوصيل الحرارة ببراعة. ومن ناحية أخرى، فإن AA2014 هو "المقاتل الشرس" — فهو قوي للغاية، صلب، ومصمم لتحمل الأحمال الثقيلة، لكنه أكثر عرضة للتقصف. ربطهما يشبه محاولة لصق شريط مطاطي بقضيب فولاذي؛ إذا فعلت ذلك بشكل خاطئ، سيفشل الربط.

استخدم الفريق طريقة تسمى لحام الاحتكاك الدوراني (RFW). تخيل أنك تمسك بقلمين، وتدور أحدهما ضد الآخر حتى يسخنا ويصبحا طريين، ثم تضغطهما معًا. في المصنع، يتم ذلك باستخدام أسطوانات معدنية. امتلك الباحثون خمسة "مقابض" للتحكم في هذه العملية: سرعة دوران المعدن (RPM)، وضغط الاحتكاك (أثناء الدوران)، وضغط التشكيل (بعد التوقف)، وزمن كل خطوة.

التجربة: البحث عن الوصفة

لإيجاد الإعدادات المثالية، لم يقم الباحثون بالتخمين فحًا. بل استخدموا خطة منهجية تسمى تصميم Taguchi L27. هذا يشبه شيفًا يختبر 27 نوعًا مختلفًا من وصفة ما، حيث يغير كمية السكر والدقيق ووقت الخبز بنمط محدد ليرى أي تركيبة ستصنع أفضل كعكة. لقد أجروا 27 تجربة لحام مختلفة، مع تغيير السرعة والضغط والزمن لكل منها.

بعد اللحام، أخضعوا الوصلات لاختبارات قاسية. قاموا بشدها لمعرفة مدى قوتها (قوة الشد)، وقياس صلابة سطحها (الصلادة المجهرية)، ومدّها لمعرفة مدى قدرتها على الانحناء قبل الكسر (الاستطالة). كما نظروا إلى المعدن تحت مجاهر قوية (SEM) واستخدموا الأشعة السينية (XRD) لرؤية شكل المعدن على المستوى البلوري الدقيق.

العقل الحاسوبي: التعلم العميق

هنا يصبح البحث مستقبليًا للغاية. فبدلاً من مجرد النظر إلى النتائج الـ 27 وتخمين النمط، قام الباحثون ببناء شبكة عصبية عميقة (DNN). فكر في هذا كعقل رقمي يتعلم من خلال الأمثلة. لقد غدوا الحاسوب بكل البيانات من التجارب الـ 27 — الإعدادات التي استخدموها والنتائج التي حصلوا عليها. كانت مهمة الحاسوب هي اكتشاف القواعد المعقدة والخفية التي تربط الإعدادات بقوة اللحام.

بمجًا بعد أن تعلم الحاسوب القواعد، استخدموا أداة ذكية ثانية تسمى NSGA-II. هذه الأداة تشبه "المُحسِّن الفائق" الذي يبحث عن التوازن المثالي. وبما أنه لا يمكنك دائمًا الحصول على أقصى قوة وأقصى استطالة في نفس الوقت (فهما غالبًا ما يتنافسان)، فإن المُحسِّن يجد أفضل تسوية ممكنة، والمعروفة باسم "جبهة باريتو" (Pareto front). الأمر يشبه العثور على البقعة المثالية على الخريطة حيث تكون قريبًا من الشاطئ والجبال في آن واحد، بدلاً من أن تكون عالقًا في مكان لا يوجد فيه شيء.

ماذا وجدوا؟

كانت النتائج مبهرة. لقد تعلم "العقل الرقمي" القواعد بشكل ممتاز. عندما اختبر الباحثون تنبؤات الحاسوب مقابل النتائج الواقعية، كان الحاسوب صحيحًا بنسبة 98.7% (قيمة R² بلغت 0.987). وهذا يعني أن نموذج الحاسوب هو أداة موثوقة للغاية للتنبؤ بكيفية سلوك اللحام دون الحاجة لبناء عينة مادية في كل مرة.

وجدت الدراسة أن أفضل وصفة للحام تضمنت الدوران بسرعة 1200 دورة في الدقيقة (RPM)، مع ضغط احتكاك قدره 70 ميجا باسكال، وضغط تشكيل قدره 90 ميجا باسكال، وزمن احتكاك قدره 4 ثوانٍ، وزمن تشكيل قدره 5 ثوانٍ.

باستخدام هذه الإعدادات، صنعوا وصلة كانت:

• قوية بمقدار 142 ميجا باسكال (قفزة كبيرة من أضعف الوصلات التي اختبروها، والتي كانت 95 ميجا باسكال فقط).
• صلبة بمقدار 122.3 HV.
• قادرة على التمدد بنسبة 10% قبل الكسر.

السر الكامن: ماذا يحدث في الداخل؟

لماذا نجحت هذه الإعدادات بشكل جيد؟ نظر الباحثون تحت المجهر ووجدوا الإجابة. في أفضل الوصلات، أصبحت حبيبات المعدن (البلورات الصغيرة التي تشكل المعدن) دقيقة ومنتظمة جدًا، مثل حشد متراص وسلس. حدث هذا لأن الحرارة والضغط تسببا في عملية تسمى إعادة التبلور الديناميكي، حيث يعيد المعدن تنظيم نفسه في هيكل أقوى.

والأهم من ذلك، وجدوا عدم وجود شقوق ضارة أو تفاعلات كيميائية غريبة (أطوار بين معدنية) عند منطقة الربط. أظهر تحليل الأشعة السينية أن المعدن حافظ على هيكله الأصلي دون أن يتحول إلى مركبات هشة وضعيفة. أظهر جانب AA1100 "كسرًا مطيليًا"، مما يعني أنه تمدد وتمزق مثل كيس بلاستيكي ناعم، بينما أظهر جانب AA2014 علامات هيكله الصلب المليء بالترسبات. وبالرغم من هذه الاختلافات، اندمج المعدنان معًا بشكل مثالي، مما خلق رابطًا سلسًا.

لماذا هذا مهم؟

تشير هذه الورقة إلى أنه من خلال الجمع بين التجارب الواقعية والنموذج الحاسوبي الذكي، يمكن للمهندسين العث lập أفضل طريقة لربط المعادن المختلفة بسرعة دون إضاعة الوقت والمال في تجارب لا تنتهي. إن النهج "الهجين" — باستخدام شبكة عصبية عميقة للتنبؤ بالنتائج ومُحسِّن لإيجاد أفضل الإعدادات — يعمل كأداة اتخاذ قرار عالية التقنية.

يعتقد الباحثون أن هذه الطريقة يمكن أن تغير قواعد اللعبة في صناعات مثل الطيران، والسيارات، والسكك الحديدية، حيث يعد صنع هياكل خفيفة الوزن ولكن قوية أمرًا ضروريًا. ومن خلال إتقان فن ربط سبائك الألومنيوم المختلفة، يمكنهم بناء طائرات وسيارات أخف وزنًا تستهلك وقودًا أقل، مع ضمان أن تكون الوصلات قوية بما يكفي للحفاظ على سلامة الجميع. تؤكد الدراسة أنه مع "الوصفة" الصحيحة والقليل من المساعدة من الذكاء الاصطناعي، حتى أكثر المواد اختلافًا يمكن أن تصبح فريقًا مثاليًا.