Araştırma, GH4169 və GH2909 süperalaşımlarının elektron ışınıyla kaynaklandığı müxtəlif malzemeli birleşimlerde, qaynaq metali (weld metal, WM) üçün birbaşa eğitim verisi kullanmadan yorulma çatlağı böyümə (fatigue crack growth, FCG) ömrünün proqnoz edilip edilemeyeceğini inceliyor. Araştırmacılar yalnızca əsas metal (base metal, BM) və ısıdan etkilenmiş bölge (heat-affected zone, HAZ) verileriyle eğitilen; malzemeye uyarlanan Paris yasası, 19 boyutlu fizik destekli bir sinir ağı və koşula uyğun olaraq değişen ağırlıklı füzyonu birleştiren DPID çerçevesini geliştirdi. En başarılı tek eğitim çalıştırmasında qaynaq metali test setinde ortalama bağıl hata %16,7 və R²=0,690 elde edildi; 10 WM numunesinin tamamı deneysel değerin 1,5 katlık saçılım bandı içində kaldı. Bununla birlikte nəticə, belirli GH4169/GH2909 qaynaq sistemi və yalnızca 10 hedef-bölge numunesi üzərində doğrulandığından, yöntemin başka malzemelere, qaynaq proseslerine və ya həqiqi servis yük spektrumlarına aynı doğrulukla aktarılabildiği sonucuna varılamaz.

Çalışmanın əsas problemi, müxtəlif malzemelerin kaynaklandığı bir yapının aynı bağlantı içində homojen davranmamasıdır. Ana metal, ısıdan etkilenmiş bölge və qaynaq metalinin mikroyapısı ilə mekanik özellikleri birbirinden ayrıldığı üçün bir bölgede kalibre edilen çat böyümə modeli diğer bölgeye taşındığında aydın bir domain shift, yani məlumat dağılımı kayması ortaya çıkabilir. Mənbə metalinden yeterli sayıda yorulma çatlağı testi elde etmek isə zaman, maliyet və tahribat gerektirir. DPID yanaşması bu səbəbdən “verisi görülmemiş” WM bölgesini, erişilebilir BM və HAZ məlumatlarından proqnoz etmeyi hedeflemektedir.

Yöntemin öne çıkan yönü fiziksel modeli və ya makine öğrenmesini tek başına kullanmak yerine ikisinin güvenilirliğini örnek bazında dengelemesidir. Paris yasası çat büyümesine fiziksel bir əsas sağlarken sinir ağı doğrusal olmayan ilişkileri öğrenir; son füzyon ağırlığı isə gerilme şiddeti faktörü aralığı ΔK və malzemenin çekme dayanımı dikkate alınarak dəyişdirilir. Böylece sistem, yalnızca veriye dayalı modelin hedef bölgedeki aşırı ekstrapolasyonunu azaltmaya çalışırken klasik Paris yaklaşımının material heterojenliğine ilişkin sınırlılığını da veriyle düzeltmektedir.

Tədqiqatın əsas problemi nədir?

Aero-motor turbin dış halka muhafazalarında GH4169 və GH2909 kimi müxtəlif özelliklere sahip süperalaşımlar elektron ışını kaynağıyla birleştirilebilmektedir. Çalışmanın açıklamasına uyğun olaraq GH4169 yüksək temperatur dayanımı, GH2909 isə aşağı termik genişlənmə özelliği nedeniyle bu tip yapılarda birlikte istifadə olunur. Fakat qaynaqlı bağlantının müxtəlif mikrobölgeleri aynı yorulma çatlağı böyümə davranışını göstermez.

Klasik Paris yasası tabanlı ömür tahmini her bölge üçün C və m parametrelerinin deneysel kimi kalibre edilmesini gerektirebilir. Bu durum xüsusilə qaynaq metali kimi məlumat üretmenin pahalı olduğu bölgelerde mühüm bir kısıt oluşturur. Salt məlumat odaklı modeller isə eğitim verisinin dağılımından uzaklaşıldığında güvenilirliğini kaybedebilir. Araştırma bu iki sorunu aynı çerçevede ele almaktadır.

Təcrübə nümunələri necə hazırlandı?

GH4169 və GH2909 dövme süperalaşım boşluklarından 220 × 56 × 4 mm boyutlarında ince plakalar işlendi və 220 mm doğrultusunda elektron ışını alın kaynağı uygulandı. Mənbə işlemi 6 × 10^-2 Pa değerinin altında vakumda və en fazla 60 kV hızlandırma gerilimiyle gerçekleştirildi. Prosesin HB/Z 315 yüksək temperatur alaşımları və paslanmaz çeliklerin vakum elektron ışını kaynağı standardını izlediği qeyd olunur.

Mənbə bundan sonra artık gerilmeleri azaltmak amacıyla vakum yaşlandırma işlemi uygulandı: numuneler 720 ± 10 °C'de 8 saat tutuldu, fırında 620 °C'ye soğutuldu, bu sıcaklıkta 8 saat daha bekletildi və sonra oda sıcaklığına havada soğutuldu.

Yorulma çatlağı böyümə testleri ASTM E647'ye uygun kompakt çekme (CT) numuneleriyle yapıldı. Numune genişliği W=52,5 mm, kalınlığı b=2,6 mm'dir. Çatlağın hedeflenen bölgede ilerlemesini desteklemek üçün iki yüzeyde 0,3 mm derinliğe, 0,1 mm kök yarıçapına və 90° açılma açısına sahip yan oluklar işlendi. Kaynaktaki teknik çizimler, WM, HAZ və BM numunelerinde başlangıç çatlağının müxtəlif mikrobölgelere konumlandırıldığını açık şəkildə göstərir.

Hansı bölgələr və şərtlər sınaqdan keçirildi?

Numuneler başlangıç çatlağı konumuna uyğun olaraq BM-GH2909, BM-GH4169, HAZ-GH2909 və WM gruplarına ayrıldı. Yorulma çatlağı böyümə deneylerinde gerilme nisbəti R=0,1 və frekans 15 Hz kimi kullanıldı. Mənbə məlumat seti oda temperaturu ilə 500 °C və 600 °C koşullarını kapsamakla birlikte her bölge her sıcaklıkta aynı sayıda ölçülmemiştir. Mənbə metali hedef test məlumatları 500 °C və 600 °C koşullarından oluşmaktadır.

Tek eksenli çekme deneylerinden elastisite modülü E, akma dayanımı σ_y və nihai çekme dayanımı σ_b elde edildi. Çalışma, bu değerlerin deneylerle belirlenip gerektiğinde material el kitabındaki bilgilerle tamamlandığını qeyd edir.

Məlumat toplusu necə yaradıldı?

BM və HAZ bölgelerinin deneysel çat böyümə məlumatları Smith yöntemiyle Paris yasasına uyarlandı. Elde edilen fizik tabanlı modeller üzərində ədədi integrasyon istifadə edilərək məlumat artırımı yapıldı. Sonuçta BM və HAZ üçün 36 deneysel örnek ilə 85 artırılmış örneğin birleşiminden toplam 121 örneklik qaynaq-bölge məlumat seti oluşturuldu.

Bu 121 örneğin 100'ü eğitim, 21'i yoxlama üçün ayrıldı. Mənbə metalinden elde edilen 10 örnek isə eğitim və doğrulamaya katılmadan bağımsız hedef test seti kimi kullanıldı. Bu ayrım tədqiqatın “zero-shot” iddiasının temelidir: model WM etiketli ömür verisini eğitim zamanı görmemektedir.

Temel giriş dəyişənləri elastisite modülü E, akma dayanımı σ_y, nihai çekme dayanımı σ_b, temperatur T, uygulanan yük P, başlangıç çat uzunluğu a₀ və son çat uzunluğu a_c'dir. Çıkış değişkeni çevrim cinsinden yorulma çatlağı böyümə müddəti N'dir.

Məlumatlar necə standartlaşdırıldı?

Tüm giriş özellikleri Z-skoru yöntemiyle standartlaştırıldı:

\[ z_i=\frac{x_i-E(x)}{D(x)} \]

Burada x_i özgün xüsusiyyət değerini, E(x) özelliğin ortalamasını və D(x) standart sapmasını ifadə edir. Mənbə metin bu dönüşümü məlumat kümesinin Gauss dağılımı varsayımıyla açıklamaktadır; lakin həmçinin raporlanmış bir normallik testi sunulmamaktadır.

DPID çərçivəsi hansı üç komponentdən ibarətdir?

1. Malzemeye uyarlanan fizik tabanlı model: Paris yasasının C və m katsayıları, örneğin nihai çekme dayanımına uyğun olaraq dəyişdirilir. Böylece aynı katsayıların bütün qaynaq mikrobölgelerine uygulanması yerine material dayanımına bağlı uyarlama yapılır.

2. Geliştirilmiş məlumat tabanlı model: Deneysel değişkenler, kırılma mekaniğiyle ilişkili fiziksel xüsusiyyətlər və dönüştürülmüş xüsusiyyətlər bir araya getirilerek 19 boyutlu bir giriş sistemi oluşturulur və çok katmanlı ileri beslemeli sinir ağına verilir.

3. Uyarlamalı ağırlıklı füzyon: Fizik modelinin və məlumat modelinin tahminleri sabit oranla birleştirilmez. ΔK və çekme dayanımından türetilen güven düzeyi fizik modeline verilecek ağırlığı belirler; hedef material dayanımı eğitim aralığının dışına чыккандан кийин fizik modelinin ağırlığı həmçinin cezalandırılır.

Materiala uyğunlaşdırılan Paris modeli

Çalışma, referans Paris katsayılarını C_base=2,138 × 10^-10 m/çevrim və m_base=1,9 kimi tanımlar. i'inci örnek üçün katsayılar nihai çekme dayanımının eğitim seti ortalamasına oranıyla dəyişdirilir:

\[ C_i=C_{base}\left(\frac{\sigma_{u,i}}{\bar{\sigma}_u}\right)^{-k_c} \]

\[ m_i=m_{base}\left(\frac{\sigma_{u,i}}{\bar{\sigma}_u}\right)^{-k_m} \]

Burada σ_u,i i'inci örneğin nihai çekme dayanımı, \(\bar{\sigma}_u\) eğitim setindeki ortalama nihai çekme dayanımıdır. k_c və k_m katsayıları BM/HAZ eğitim setindeki fizik modelinin RMSE değerini en aza indirecek şəkildə grid search ilə optimize edildi. k_c üçün 0–3,0, k_m üçün 0–2,0 aralıkları 0,1 adımla tarandı və optimal değerler sırasıyla k_c=2,0 və k_m=0,5 kimi belirlendi.

Uyarlanmış Paris parametrelerinden fizik tabanlı ömür, geliştirilmiş trapez ədədi integrasyonuyla hesaplandı:

\[ N_{\mathrm{phys}}= \sum_{i=2}^{n} \frac{a_i-a_{i-1}} {\frac{1}{2}\left[C(\Delta K_{i-1})^m+C(\Delta K_i)^m\right]} \]

Bu ifade çat uzunluğu artışlarını, iki ardışık noktadaki Paris tipi çat böyümə hızlarının ortalamasını kullanarak çevrim sayısına dönüştürmektedir.

19 ölçülü fizika dəstəkli xüsusiyyətlər sistemi

Sinir ağı 19-20-12-6-1 mimarisine sahiptir. Üç gizli katmanda sırasıyla 20, 12 və 6 nöron tapılır və LeakyReLU aktivasyonu istifadə olunur. Çıkış katmanı doğrusal aktivasyonlu tek nörondur və N_data yorulma ömrünü üretir. Eğitim Levenberg-Marquardt algoritmasıyla, en fazla 400 iterasyon və 1 × 10^-6 hedef eğitim hatası istifadə edilərək gerçekleştirilmiştir.

Hansı xüsusiyyətlər daha çox çəki daşıdı?

Random Forest tabanlı xüsusiyyət önem analizinde en yüksək tekil ağırlığın %18,2 ilə N_phys'e verilmesi dikkat çekicidir. Bu nəticə, fizik modelinden üretilen öncül tahminin məlumat tabanlı dal üçün mühüm bir giriş olduğunu göstərir.

Uyğunlaşan füzyon çəkisi necə müəyyən edilir?

Gerilme şiddeti faktörü aralığı ΔK üç bölgeye ayrılmıştır: ΔK ≤ 15 MPa√m eşik yakını bölge, 15 < ΔK ≤ 30 MPa√m kararlı böyümə bölgesi və ΔK > 30 MPa√m hızlı böyümə bölgesi. Nihai çekme dayanımı isə eğitim örneklerinin medyanına uyğun olaraq aşağı və yüksək dayanım gruplarına ayrılır. Böylece 3 × 2 kombinasyonla altı güven bölgesi Ω_ij oluşturulur.

Fizik modelinin ilgili bölgedeki ortalama bağıl hatası:

\[ \hat{\varepsilon}=N_{\mathrm{phys},k}-N_{\mathrm{exp},k} \]

\[ \varepsilon_{ij}= \frac{1}{n_{ij}} \sum_{k\in\Omega_{ij}} \left| \frac{\hat{\varepsilon}}{N_{\mathrm{exp},k}} \right| \]

kimi hesablanır. Ardından fizik modeline verilen güven ağırlığı:

\[ \omega_{ij}=\frac{1}{1+\varepsilon_{ij}} \]

şəklində tanımlanır. Fizik modelinin hata düzeyi azaldıkça ağırlık 1'e yaklaşır; hata büyüdükçe sıfıra yaklaşır.

Hedef örneğin nihai çekme dayanımı eğitim məlumat setindeki maksimum dayanımı aşıyorsa ağırlığa həmçinin çapraz material cezası uygulanır:

\[ \omega_{\mathrm{phys}}= \begin{cases} \omega_{ij}, & \sigma_u\leq\sigma^{train}_{u,max}\\ \omega_{ij}(1-\lambda), & \sigma_u>\sigma^{train}_{u,max} \end{cases} \]

λ katsayısı yoxlama setinde grid search ilə 0,1–0,5 arasında taranmış və λ=0,3 seçilmiştir. Mənbədə verilen duyarlılık analizine uyğun olaraq λ'nın 0,25 ilə 0,35 arasında değişmesi WM testindeki ortalama proqnoz hatasını %2'den daha az değiştirmiştir.

Nihai DPID tahmini:

\[ N_f= \omega_{\mathrm{phys}}N_{\mathrm{phys}} + (1-\omega_{\mathrm{phys}})N_{\mathrm{data}} \]

ifadesiyle oluşturulur.

Tədqiqatın dəstəklədiyi nəticələr

• BM və HAZ məlumatlarından oluşturulan DPID modeli, eğitimde kullanılmayan 10 WM numunesinde salt məlumat tabanlı modellerden daha aşağı hata üretmiştir.
• En iyi tek eğitim çalıştırmasında DPID üçün ortalama bağıl hata %16,7 və R²=0,690'dır.
• Bu çalıştırmadaki bütün DPID tahminleri deneysel sonuçların 1,5 katlık saçılım bandı içində kalmıştır.
• Beş bağımsız eğitim çalıştırmasının ortalama bağıl hatası %18,14'tür və bu çalıştırmalardaki bütün tahminler 2 katlık saçılım bandı içində kalmıştır.
• Fiziksel öncül bilgi ilə məlumat tabanlı düzeltmenin birlikte kullanılması, bu məlumat setindeki küçük örneklem və bölgesel dağılım kayması sorununda tek başına kullanılan modellere uyğun olaraq daha kararlı nəticə vermiştir.

Tədqiqatın dəstəkləmədiyi nəticələr

• DPID'nin bütün müxtəlif metal qaynaqlı birleşimlerde aynı doğruluğa ulaşacağı gösterilmemiştir.
• Model başka süperalaşım çiftleri və ya başka qaynaq teknolojileri üzərində test edilmemiştir.
• Çalışma həqiqi aero-motor servis yük spektrumlarında uzun dönem saha yoxlanılması sunmamaktadır.
• 10 WM örneğiyle elde edilen performans genel bir endüstriyel doğruluk garantisi deyil.
• Faktör-1,5 saçılım bandında kalma sonucu bu təcrübə sistemi və seçilen test setinin dışına otomatik kimi genellenemez.

Türkiye baxımından yorum: Çalışma Türkiye'de yürütülmemiştir və Türkiye'ye ait material, qaynaq proses yeterlilik və ya servis yük verisi içermemektedir. Bu nedenle yöntemin Türkiye'deki havacılık və ya yüksək temperatur qaynaqlı yapı uygulamalarına aktarılması, ilgili yerel materiallar, qaynaq prosedürleri və həqiqi kullanım koşullarıyla həmçinin doğrulanmayı gerektirir. Kaynaktaki performans değerlerinin Türkiye'deki uygulamalara birbaşa taşınması elmi kimi desteklenmemektedir.

Tədqiqatın metodu və nəticələri

Təcrübə və modelləşdirmə quruluşunun texniki xülasəsi

Regional Paris parametrləri

Deneysel FCG verilerinin Smith yöntemiyle Paris yasasına uydurulmasından elde edilen katsayılar bölge və sıcaklığa uyğun olaraq aydın şəkildə değişmektedir. Bu değişim, tədqiqatın tek bir sabit Paris parametre seti yerine material uyarlaması kullanmasının əsas gerekçelerinden biridir.

10 qaynaq metalı nümunəsində DPID proqnozu

Tablo, DPID'nin genel ortalama baxımından daha güclü olmasına rağmen her tekil numunede en aşağı hatayı üretmediğini de göstərir. Örneğin WM-4 və WM-5'te fizik tabanlı model DPID'den daha aşağı hata vermektedir; WM-8'de isə geliştirilmiş məlumat modeli yalnız %1,3 hata üretmiştir. Dolayısıyla DPID'nin avantajı her örnekte mutlak üstünlük deyil, hedef test kümesinin bütünü üzerindeki hata və kararlılık dengesidir.

Konvensional modellərlə kəmiyyət müqayisəsi

DPID, RF'ye kıyasla RMSE'yi təxminən %41,3, MAE'yi təxminən %41,8 və ortalama bağıl hatayı təxminən %37,0 azaltmıştır. GA-BP modelinin R² değerinin -19,4 olması, hedef WM bölgesinde çok zayıf bir genelleme performansına işaret etmektedir.

Təkrarlanan təlim modeli nə qədər sabit idi?

Beş bağımsız eğitim koşusunun ortalama R² değeri 0,452, ortalama bağıl hatası %18,14'tür. Bütün tekrarlardaki tahminlerin 2 katlık saçılım bandı içində kalması, sinir ağının başlangıç rastlantısallığına rağmen çerçevenin tamamen kararsız davranmadığını göstərir. Bununla birlikte tek koşular arasında R²'nin 0,172 ilə 0,690 arasında değişmesi, “kararlılık” değerlendirilirken yalnızca ortalama bağıl hataya deyil performans değişkenliğine de dikkat edilmesi gerektiğini göstərir.

Metodoloji güclü tərəflər və məhdudiyyətlər

Çalışmanın güclü tarafı, fizik tabanlı bir ömür modelini yalnızca bağımsız bir müqayisə modeli kimi bırakmayıp hem sinir ağının bir girdisi hem de nihai tahminin bir bileşeni hâline getirmesidir. Ayrıca fizik dalına verilecek ağırlığın ΔK və dayanım aralıklarına uyğun olaraq değiştirilmesi, bütün örneklere sabit füzyon katsayısı uygulanmasını önlemektedir.

Bununla birlikte qaynaq-bölge məlumat setindeki 121 örneğin yalnız 36'sı birbaşa deneysel, 85'i Paris modeli üzerinden ədədi integrasyonla artırılmış örnektir. Bu nedenle məlumat tabanlı dalın eğitim kümesinin mühüm bölümü bağımsız deneysel gözlemlerden oluşmamaktadır. Ayrıca Nphys değerinin 19 boyutlu xüsusiyyət sistemi içində en yüksək tekil xüsusiyyət önemine sahip olması, fiziksel öncül ilə məlumat dalı arasındaki bağı xüsusilə güclü kılmaktadır. Bu durum yaklaşımın fizik-məlumat bütünleşmesi baxımından tasarımın bir parçasıdır; lakin modelin tamamen bağımsız iki bilgi kaynağının birleşimi kimi yorumlanmaması lazımdır.

Hedef bölge değerlendirmesi 10 WM numunesiyle sınırlıdır. Çalışmada başka alaşım çiftleri, başka qaynaq prosesleri və ya həqiqi kullanım yük spektrumları üzərində dış yoxlama raporlanmamıştır. Bu nedenle sonuçlar, DPID yaklaşımının bu təcrübə düzeninde umut verici olduğunu gösterir; geniş kapsamlı endüstriyel genelleme kanıtı oluşturmaz.

Mənbə və Yöntem Notu

Tam özgün tədqiqat adı: A Physics-Data Fusion Method for Predicting Fatigue Crack Growth Life in Dissimilar Welded Joints

Yazarlar — əsas PDF'deki sıra: Xiaogang Liu, Yuqi Liang, Pingzhou Zhu, Zhenmin Qian, Sihui Yang.

Eş katkı/eş birinci yazar: Mənbədə belirtilmemiştir.

Sorumlu yazar: Xiaogang Liu. PDF başlık sayfasında yıldız işaretiyle gösterilmektedir və SSRN kaydında Contact Author kimi listelenmektedir.

Kurumlar: College of Energy and Power Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, Çin; Hunan Aviation Powerplant Research Institute, Aero Engine Corporation of China, Zhuzhou, Çin.

DOI: 10.2139/ssrn.7181043

Platform: SSRN.

Resmî bağlantı: https://ssrn.com/abstract=7181043

Yayın tarihi: SSRN kaydında 29 Temmuz 2026.

Dergi / cilt / sayı: Bu sürüm üçün hakemli dergi, cilt və ya sayı bilgisi bulunmamaktadır.

Mənbə türü və hakemlik: Bu tədqiqat hakem değerlendirmesinden geçmemiş bir preprinttir; nəticələri bu yayın aşaması dikkate alınarak değerlendirilmelidir.

Bibliyografik tutarsızlık: Temel PDF'nin görünür başlık sayfası yazarları Xiaogang Liu, Yuqi Liang, Pingzhou Zhu, Zhenmin Qian, Sihui Yang sırasıyla vermektedir. SSRN bibliyografik kaydında isə son iki isim Sihui Yang, Zhenmin Qian sırasındadır. Bu makalede elmi əsas qaynaq olan PDF'nin sırası korunmuş, farklılık həmçinin belirtilmiştir.

Lisans: İncelenen sürüm və doğrulanan bibliyografik kayıtta CC BY, CC BY-SA və ya benzeri açık bir yeniden kullanım lisansı doğrulanamamıştır. Bu nedenle özgün şekiller birbaşa kopyalanmamış; makaledeki Verianla Live bileşenleri tədqiqatın məlumatları və yöntem açıklamalarından oluşturulan özgün gösterimler kimi hazırlanmıştır.

Finansman: Çalışmada Hunan Aviation Powerplant Research Institute, Aero Engine Corporation of China (AECC, Institute 608) tarafından finansal destek sağlandığı qeyd olunur.

Veri erişilebilirliği: Ayrı bir məlumat erişilebilirliği beyanı kaynakta yer almamaktadır.

Çıkar çatışması: Ayrı bir çıkar çatışması beyanı kaynakta yer almamaktadır.

CRediT / yazar katkıları: Ayrı bir CRediT və ya ayrıntılı yazar katkı beyanı bulunmamaktadır.

Bilimsel qaynaq sınırı: Bu Verianla makalesindeki təcrübə koşulları, denklemler, məlumat seti büyüklükleri, model mimarisi, xüsusiyyət ağırlıkları, proqnoz nəticələri və performans değerleri yüklenen 17 sayfalık çalışmaya dayanmaktadır. Dış kaynaklar yeni elmi təcrübə, istatistik və ya mekanizma eklemek üçün kullanılmamış; yalnız bibliyografik kimlik, SSRN yayın tarihi, DOI və sorumlu yazar kaydının doğrulanması amacıyla istifadə edilmişdir.

Temel yöntemsel sınır: Hedef qaynaq metali değerlendirmesi yalnız 10 WM numunesiyle gerçekleştirilmiş, eğitim setinin 85 örneği fizik tabanlı ədədi məlumat artırımıyla oluşturulmuş və başka material/qaynaq sistemləri üzərində dış yoxlama gösterilmemiştir. Bu nedenle sonuçlar DPID yaklaşımının GH4169/GH2909 elektron ışını qaynaqlı birleşimindeki incelenen koşullarda performansını göstərir; genel bir yorulma müddəti proqnoz garantisi deyil.