Experimental Investigation of Laser Surface Transformation Hardening of 4340 Steel Spur Gears
Notice bibliographique
Résumé
This paper presents an experimental investigation of laser surface transformation hardening (LSTH) of 4340 steel spur gears using regression analysis. The experimental work is focused on the effects of various LSTH parameters on the hardness profile shape and the hardened depth variation. The investigations are based on a structured design of experiments and improved statistical analysis tools. The experimentations are carried out on AISI 4340 steel spur gears using a commercial 3 kW Nd:YAG laser system. Laser power, scanning speed, and rotation speed are used as process parameters to evaluate the variation of the hardened depth and to identify the possible relationship between the process parameters and the hardened zone physical and geometrical characteristics. Based on the experimental data and analysis of variance, the direct and interactive contributions of the process parameters on the variation of the hardness profile shape and the hardened depth are analyzed. The main effects and the interaction effects are also evaluated. The results reveal that all the process parameters are relevant. The cumulative contribution of the three parameters in the hardened depth variation represents more than 80% with a clear predominance of laser power. The contribution of the interactions between the parameters represents 12% to 16%. The resulting hardness values are relatively similar for all the experimental tests with about 60 HRC. The evaluation of the produced regression models for hardened depth prediction shows limited performance suggesting that the predictive modeling process can be improved.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».