MétaCan
Menu
Retour à la cohorte
Enregistrement W4286698401 · doi:10.4028/p-17112c

Optimization of Laser Metal Deposition Process for 2205 Duplex Stainless Steel

2022· article· en· W4286698401 sur OpenAlexaff
Siri Marthe Arbo, Afaf Saai, Sture Henning Sørli, Cato Dybdahl, M. I. Onsøien, Mette Lokna Nedreberg

Notice bibliographique

RevueKey engineering materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensNordic Life Science Pipeline (Canada)
Organismes subventionnairesnon disponible
Mots-clésCharpy impact testMicrostructureMaterials scienceAusteniteUltimate tensile strengthToughnessFerrite (magnet)MetallurgyComposite materialWelding

Résumé

récupéré en direct d'OpenAlex

This work aims to optimize the process parameters for laser based DED manufacturing of a water jet impeller with critical requirements to material and mechanical properties. The concerned material is 2205 duplex stainless steel with balanced ferrite-austenite microstructure. The optimization approach of the processing parameters relies on the assessment of their effect on microstructure and mechanical properties versus the requirements set by the maritime industry. The work aims to achieve an as-built microstructure with the required ferrite-austenite balance and mechanical properties, without the need for post-processing heat treatment. The work particularly focuses on the influence of the deposition speed of the DED process. The results show that duplex stainless steel with a 50-50 ferrite-austenite balance can be achieved directly from the DED process. A high deposition speed produced fine-grained microstructure resulting in a high tensile strength and toughness, well above the set requirements. However, it reduced the ductility, represented by tensile elongation due to the formation of welding defects. Reducing the deposition speed by 20% eliminated the welding defects but resulted in the formation of a distinct microstructure with coarse grains, elongated in the deposited layer. This microstructure improved the tensile elongation, but strongly reduced the toughness, represented by Charpy V impact energy values. The coarse grains in the deposited layer facilitated a fast fracture propagation initiated by the placement of the Charpy V notch. However, the presented results demonstrate the great potential for manufacturing duplex stainless steels by DED, where a suitable microstructure for optimal mechanical performance can be obtained by narrowing the optimization windows on 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207