MétaCan
Menu
Retour à la cohorte
Enregistrement W2896177609 · doi:10.2351/1.5060579

ND:YAG laser welding of AA6061: Experimental differences between the TEE and LAP joint configurations

2005· article· en· W2896177609 sur OpenAlexaff
L. Dubourg

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensNational Research Council CanadaAluminium Refining, Degassing and Filtering (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceWeldingTaguchi methodsLaser beam weldingComposite materialLaserPenetration depthJoint (building)Heat-affected zoneLap jointLaser power scalingOpticsStructural engineering

Résumé

récupéré en direct d'OpenAlex

Effect of laser welding parameters such as power, out-of-focus length, welding speed and feeding speed on weld properties are studied in tee and lap configurations. Two millimetre thick plates of AA6061 were welded in Tee joint configuration using a cw/Nd:YAG laser and AA5356 wire as the filler metal. The same set-up and wire feeding were used for the lap joining of two millimetre thick square tubing and plates of AA6061. Combination of Taguchi and E.M. design of experiments was carried out to explore efficiently the multidimensional volume of welding parameters, to optimise these parameters and to compare the experimental differences between the two joint configurations. Samples were characterised by optical microscopy, SEM and hardness measurements. The weld properties of interest were weld fillet size, penetration depth, concavity size and heat affected zone dimensions measured by the hardness profiles. The process parameters and their respective and interactive effects on the final responses have been investigated. The results indicate the interlateral relationship between laser process parameters and responses and fundamental differences between the Tee and lap joint laser welding. Difference of hardness profiles between these two configurations highlighted the difference of cooling flows of the two set-up.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,244
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWelding Techniques and Residual StressesTravaux en français237 207