A Three-Dimensional Numerical Model for Predicting the Weld Bead Geometry Characteristics in Laser Overlap Welding of Low Carbon Galvanized Steel
Notice bibliographique
Résumé
Laser welding (LW) becomes one of the most economical high quality joining processes. LW offers the advantage of very controlled heat input resulting in low distortion and the ability to weld heat sensitive components. To exploit efficiently the benefits presented by LW, it is necessary to develop an integrated approach to identify and control the welding process variables in order to produce the desired weld characteristics without being forced to use the traditional and fastidious trial and error procedures. The paper presents a study of weld bead geometry characteristics prediction for laser overlap welding of low carbon galvanized steel using 3D numerical modelling and experimental validation. The temperature dependent material properties, metallurgical transformations and enthalpy method constitute the foundation of the proposed modelling approach. An adaptive 3D heat source is adopted to simulate both keyhole and conduction mode of the LW process. The simulations are performed using 3D finite element model on commercial software. The model is used to estimate the weld bead geometry characteristics for various LW parameters, such as laser power, welding speed and laser beam diameter. The calibration and validation of the 3D numerical model are based on experimental data achieved using a 3 kW Nd:Yag laser system, a structured experimental design and confirmed statistical analysis tools. The results reveal that the modelling approach can provide not only a consistent and accurate prediction of the weld characteristics under variable welding parameters and conditions but also a comprehensive and quantitative analysis of process parameters effects on the weld quality. The results show great concordance between predicted and measured values for weld bead geometry characteristics, such as depth of penetration, bead width at the top surface and bead width at the interface between sheets, with an average accuracy greater than 95%.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 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 ».