Mitigation of Distortion in an Edge-Welded Bar by Optimization Control of the Welding Current and Speed Profile During Welding
Notice bibliographique
Résumé
Welding distortion is usually controlled by clamping techniques that can be tack welds, pre-bending, and tension loading. Side heating or fast cooling can also mitigate the distortion in some applications. In addition to the clamping techniques, process parameters affect the distortion so that if one can control the welding process parameters, an optimized profile of such parameters could alleviate the distortion. It is shown in this paper that the distortion can be mitigated by using an optimized profile of welding current and travelling speed. These profiles keep the power per unit length of welding constant. It is shown that an increasing welding current at the beginning and the end of the welding path on an edge welded bar of Aluminum could result in a bar that is closer to flat compared to the constant welding current. Developing an optimized weld process parameter profile requires a trustable computational model to implement a control problem using a predictive model for distortion in front of the weld pool in order to adjust the welding current and speed. Unlike using a constant welding current for the full path of weld, the path length is divided into several sub-paths. For each of weld sub-path the control problem learns from the previous sub-path and tries to find the new value for the welding current and speed that minimize the distortion using predictive Computational Weld Mechanics (CWM). Final deflections of the bar are also compared between a constant welding current and optimized profile of welding current.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».