MétaCan
Menu
Retour à la cohorte
Enregistrement W3213974813 · doi:10.3390/met11111813

Investigation of Liquid Metal Embrittlement during Resistance Spot Welding of Martensitic Steel with Zn Jet Vapor-Deposited Coating

2021· article· en· W3213974813 sur OpenAlexaff
Vojtěch Kučera, Zuzana Žofková, Christopher DiGiovanni, Liu He, Dalibor Vojtěch

Notice bibliographique

RevueMetals · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceLiquid metal embrittlementSpot weldingMetallurgyWeldingCoatingUltimate tensile strengthEmbrittlementMartensiteComposite materialGalvannealedGalvanizationMicrostructureLayer (electronics)Grain boundary

Résumé

récupéré en direct d'OpenAlex

Advanced high-strength steels protected by zinc coatings have contributed to a reduction in CO2 emissions in the automotive industry. However, the liquid metal embrittlement (LME) of the Fe/Zn couple induced by simultaneously acting stresses and high temperatures during resistance spot welding could be the cause of unexpected failure. We investigated the possible risk of LME in spot-welded martensitic steel with Zn jet vapor-deposited coating and its influence on weld strength. The weld nugget cross-sections were analyzed (optical microscopy, SEM-EDS), and their tensile shear strengths were compared with their uncoated counterparts. LME cracks were observed in all samples meeting the process window (6, 6.5, 7 kA) located at the edge of the sheet/electrode indentation area. The frequency and length of cracks increased with current, and the occurrence of Zn within cracks indicated the LME mechanism. The shear tests showed the Zn-coated sample underwent a decrease in tensile shear strength that was most evident at a welding current of 7 kA (13.2%). However, LME was excluded as a cause of lower strength. The decrease was attributed to the smaller nugget diameter and the thin slit of Zn coating remaining in the weld notch.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,074
Score d'incertitude au seuil0,726

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207