AA 7075 alaşımlarında yaşlandırma ve mekanik davranışların makine öğrenmesi ve derin öğrenme tabanlı modellenmesi

Bu çalışma, AA 7075 alüminyum alaşımının yapay yaşlandırma davranışını araştırmakta ve uygulanan ısıl işlem koşullarının tahribatsız tahmini için makine öğrenmesi ve derin öğrenmeye dayalı yeni bir yöntem sunmaktadır. Çalışmada, alüminyum AA 7075 alaşımı numuneleri 3 saat boyunca 470°C'de çözelti işlemine tabi tutulmuş, ardından 100°C ile 225°C arasında değişen sıcaklıklarda 15°C'lik artışlarla, her biri 1, 2, 3, 6 ve 9 saatlik süreler boyunca yapay yaşlandırma işlemi uygulanmıştır. İşlenmiş numunelerin titreşim tepkileri bir piezoelektrik ivmeölçer cihazı kullanılarak titreşim tepki verileri olarak kaydedilmiş ve farklı ısıl işlem koşullarıyla ilişkili titreşim tepkileri özellikleri ortaya çıkarmak için frekans alanı verileri elde edilmiştir. Yaşlandırma işlem koşullarını sınıflandırmak için, ilk olarak titreşim frekansı görüntüleri kullanılarak Evrişimli Sinir Ağı (ESA) modeli geliştirilmiş ve ESA görüntü işleme metodu ile özellik çıkarımı yapılmış ve makine öğrenmesi modelleri oluşturulmuştur. ESA tahmin modeli ile 0,80'lik makro ortalama ile %89'luk bir sınıflandırma doğruluğu elde edilmiş ve model hassas ısıl işlemler arasında ayrım yapma konusunda güçlü bir performans göstermiştir. Buna paralel olarak, ESA tabanlı özellik çıkarımını klasik makine öğrenimi sınıflandırıcılarıyla birleştiren hibrit modellerin karşılaştırmalı yöntem ile performans analizi yapılmıştır. Oluşturulan modeller arasında, Rastgele Orman tahmin modeli, Karar Ağaçları ve K-en Yakın Komşu tahmin modelini (%83) ve Destek Vektör Makinesini (%72) geride bırakarak %89'luk bir doğrulukla en yüksek performansı göstermiştir. Çalışma yapılan mekanik analizler malzemenin çekme dayanımı, sertlik ve aşınma özellikleri hakkında bilgi vermektedir. Mekanik özelliklerin ayrıca farklı makine öğrenmesi modelleriyle tahmin modelleri oluşturulmuş ve modellerin karşılaştırmalı performans analizleri yapılmıştır. Çekme testleri, en yüksek nihai çekme dayanımı 4 saat boyunca 100°C'de 590,9 MPa ile gözlemlendiğini, 3 saat boyunca 130°C'de ve 3 saat boyunca 175°C'de sırasıyla 548,1 MPa ve 549,1 MPa'lık çekme dayanımı değerleri verdiğini ortaya koymuştur. Uzun süreli yaşlandırma süreleri genellikle aşırı yaşlandırma nedeniyle mukavemetin azalmasına yol açtığı gözlemlenmiştir. Sertlik ölçümleri benzer eğilimleri takip etmiş, 175°C ve 190°C'de 1 saatte 145 HB'de en yüksek değeri almış ve 9 saatte 225°C'de 109,67 HB'ye düşerek mikroyapısal kabalaşmayı yansıtmıştır. Malzemenin en düşük aşınma oranı daha uzun süreler için 100°C'de elde edilirken, daha yüksek sıcaklıklar (örneğin, 225°C) kötüleşen aşınma direncine yol açtığı görülmüştür. Regresyon modelleri, yaşlandırma işlem parametrelerine dayalı sertlik ve aşınma oranı değerlerini tahmin etmek için eğitilmiş ve test edilen modeller arasında, Rastgele Orman tahmin modeli hem eğitim hem de test performansında diğerlerinden sürekli olarak daha iyi performans göstermiş ve en düşük ortalama karesel hataya ulaşmıştır. Bu kapsamlı çalışmada, ısıl işlem görmüş alüminyum 7075 alaşımının titreşim verilerinin, ısıl işlem parametrelerinin doğru sınıflandırılmasını sağlamak için yeterli spektral bilgi içerdiğini doğrulamaktadır. Önerilen makine ve derin öğrenme modelleri, endüstriyel kalite kontrol ve optimizasyon süreçlerinde ısıl işlem tahmini için potansiyel yeni bir yol sunmaktadır.