Limitation of Distortion in Friction Stir Welded (FSW) Panels Using Needle Peening
Notice bibliographique
Résumé
Friction stir welding (FSWing) induces residual stresses and distortions in welded structures. Such residual stresses reduce the fatigue life of welded components, while the induced distortions prevent the welding of large or thin components. In the present study, needle peening was used to induce additional residual stresses in 2.3-mm thick (FSWed) aluminum alloy (AA) 2024-T3 sheets. This was done with the objective to counterbalance the welding-induced stresses and thus reduce the overall stresses and distortions. The needle peening process, which stems from shot peening, consists of hammering a surface using cylindrical spherical ended shots sliding back and forth in a treatment head. An instrumented needle peening machine was used to carry out peening on as-received (or bare) and bead-on-plate FSWed AA2024-T3 material. In both cases, the width of the peening area corresponded to that of a typical weld. The influence of the peening process parameters such as needle size, applied power and travel speed on the surface quality and magnitude of the induced distortions were evaluated. The results indicate that, by increasing the needle diameter from 1.2 mm to 2.0 mm, the peening-induced deflection on bare sheet material increased by an average value of 27% while the roughness average, Ra, decreased by an average value of 47%. It was also found that a surface finish qualitatively similar to that of conventional shot peening could be obtained by using appropriate needle peening trajectories. Finally, needle peening with an applied power of 10% was sufficient for eliminating 37% of the welding-induced transverse curvature and 82% of the welding-induced longitudinal curvature.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».