Numerical Investigation of Laser Surface Hardening of AISI 4340 Using 3D FEM Model for Thermal Analysis of Different Laser Scanning Patterns
Notice bibliographique
Résumé
Laser surface hardening is becoming one of the most successful heat treatment processes for improving wear and fatigue properties of steel parts. In this process, the heating system parameters and the material properties have important effects on the achieved hardened surface characteristics. The control of these variables using predictive modeling strategies leads to the desired surface properties without following the fastidious trial and error method. However, when the dimensions of the surface to be treated are larger than the cross section of the laser beam, various laser scanning patterns can be used. Due to their effects on the hardened surface properties, the attributes of the selected scanning patterns become significant variables in the process. This paper presents numerical and experimental investigations of four scanning patterns for laser surface hardening of AISI 4340 steel. The investigations are based on exhaustive modelling and simulation efforts carried out using a 3D finite element thermal analysis and structured experimental study according to Taguchi method. The temperature distribution and the hardness profile attributes are used to evaluate the effects of heating parameters and patterns design parameters on the hardened surface characteristics. This is very useful for integrating the scanning patterns’ features in an efficient predictive modeling approach. A structured experimental design combined to improved statistical analysis tools is used to assess the 3D model performance. The experiments are performed on a 3 kW Nd:Yag laser system. The modeling results exhibit a great agreement between the predicted and measured values for the hardened surface characteristics. The model evaluation reveals also its ability to provide not only accurate and robust predictions of the temperature distribution and the hardness profile as well an in-depth analysis of the effects of the process parameters.
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 ».