A Phenomenological Model of Resistance Spot Welding on Liquid Metal Embrittlement Severity Using Dynamic Resistance Measurement
Notice bibliographique
Résumé
Abstract Liquid metal embrittlement (LME) is one of the severe problems of Zn-coated steel in resistance spot welding (RSW). Hence, proper welding schedules for Zn-coated steel are of practical interest. RSW involves a complex interaction between electrical, thermal, and mechanical phenomena. Identification and integration of all these governing physics are almost impossible by performing simple experiments. Hence, phenomenological modeling of RSW has gained a significant attention in the recent past. The complexity of the physical process introduced by the dynamic nature of contact resistance brings challenges for the model. A simplified but effective modeling approach of RSW is proposed where attention is focused on the evaluation of the thermal field using the finite element (FE) method. The interaction of the mechanical and electrical field is performed by the dynamic variation of the contact area, stress concentration, and non-uniform current density distribution in a semi-analytical model. These internal variables of the model are incorporated through the scaling of the governing parameters by the dependence of the transient and converged temperature field within a time step. The transient-dynamic contact resistance is detached from the measurement of total resistance and mapped adaptively by the implicit scheme within a time step of the numerical model. The transient development of the nugget is investigated for dual-phase steel (DP980) with an interrupted test of the dynamic resistance curve. The FE model is validated with experimentally measured results at different process conditions. The characterization of the thermal history from the model relatively identifies the LME phenomena and suggests corresponding modification of the welding schedule.
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 | 0,001 | 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 ».