Overlap laser welding of 5052-H36 aluminum alloy: experimental investigation of process parameters and mechanical designs
Notice bibliographique
Résumé
Abstract In this study, the laser welding process is used to join 1.6-mm-thick AA5052-H36 sheets in an overlap joint configuration. Both pulse and oscillation laser beam welding were investigated for the first laser pass. Oscillation beam laser welding in continuous-wave mode show more stable and sound weld with no porosity defects compare to pulse wave (PW) mode. The adopted welding power, speed, frequency, and defocus are 8 kW, 6.5 m/min, 150 Hz, and + 8 mm, respectively. The obtained stitch welds are defects free (blowholes, micro-cracks, or porosities). A circular oscillation ramp-up/ramp-down PW mode is adopted for a second laser surface re-melting (LSR) pass. The corresponding welding power, speed, frequency, and defocus are 5 kW, 2.5 m/min, 500 Hz, and + 15 mm, respectively. Shear tests are then performed to evaluate the mechanical properties of single lap joints (SLJ) for different stitch weld shapes, 2 gap tolerances (0 and 0.5 mm), as well as with/without LSR pass. The best tests’ reproducibility and highest dissipated energies (~ + 42% when compared to the perpendicular direction) are obtained when the stitch weld direction corresponds to the loading direction. The second LSR pass provides more aesthetic joints with higher shear resistance (~ + 1% to + 3%) due to a decrease in the weld surface underfill and undercut imperfections of the stitch weld. The part-to-part gap leads to higher shear resistance (~ + 20%) owing to 2 main reasons: larger welding surfaces at the joint interface and higher hardness of the fusion zone. These findings are of great value for including laser welding technology in the automotive and surface transportation industries. Graphic abstract
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 | 0,001 | 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 ».