Measuring in-depth Residual Stress Gradients: The Challenge of Induction Hardened Parts
Notice bibliographique
Résumé
Highly stressed machine parts such as gears and shafts are often surface treated to increase wear and fatigue resistance at critical locations. For example, induction surface hardening (ISH) is increasingly used in the automotive and aerospace industries thanks to the availability of modern multiple frequencies generators and complex shaped coils that provide a great flexibility in process control. With similar end-results in terms of hardened depths, very different residual stress profiles may be obtained, and optimized by modifying both heating and quenching kinetics. If hardness and microstructures variations are routinely verified, some challenges raise for the measurement of the residual stress gradients within complex geometry parts, in particular for the case of deep hardened layers. The most commonly used technique is X-ray diffraction (XRD). It requires using successive layer removal to get access to in-depth stresses. The measurements must therefore be corrected for the stress redistribution occurring during layer removal. However, industrial geometries are often not covered by traditional correction methods. The present work aims at applying XRD to precisely measure in-depth residual stress profiles in induction hardened thin discs made of martensitic steel. Both issues of microstructural variations and redistribution of stresses during layer removal are tackled. First, X-ray elastic constants were determined experimentally using a miniature custom-made tensile machine with specimens heat treated to simulate different microstructures found in ISH parts. Second, a recently introduced finite elements based layer removal correction method was applied. The proposed methodology is used to show the impact of preheating and core hardness on the residual stresses obtained after induction hardening.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».