Friction Stir Welding of Aluminum for Automotive Closure Panel Applications
Notice bibliographique
Résumé
<div class="htmlview paragraph">Friction stir welding (FSW) shows advantages for joining lightweight alloys for automotive applications. In this research, the feasibility of friction stir welding aluminum for an automotive component application was studied. The objective of this research was to improve the Friction Stir Spot Welding (FSSW) technique used to weld an aluminum closure panel (CP). The spot welds were made using the newly designed swing-FSSW technique. In a previous study (unpublished), the panel was welded from the thin to thick side using both an 8 mm and a 10 mm diameter tool. The 10 mm tool passed various fatigue tests; however, the target was to improve performance of the 8 mm tool, especially to increase the number of cycle before the first crack appearance during fatigue testing. In this study fatigue tests and static strength was recorded for weld specimens that were welded from thick-to-thin with an 8 mm diameter tool. Coach peel coupons were welded to help optimize weld parameters and determine weld failure type (failure mode). Panels were welded using a multi-articulate robot and were fatigue tested, using a previously developed technique to 100,000 cycles. Fatigue tests showed improved fatigue life than had been previously achieved with 8 mm tool for thin-to-thick panel welding. Energy consumption for swing-FSSW panels was less than 700 J/weld, thus swing-FSSW can help reduce energy consumption and help contribute to Green Manufacturing.</div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».