Friction Stir Welding of Non-Heat Treatable Al Alloys: Challenges and Improvements Opportunities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Friction stir welding (FSW) is an effective solid-state joining process that has the potential to overcome common problems correlated with conventional fusion welding processes. FSW is used for the joining of metallic materials, in particular Al alloys (non-heat-treatable and heat-treatable). The heat produced by the friction between the rotating tool and the workpiece material generates a softened region near the FSW tool. Although the heat input plays a crucial role in producing a defect-free weld metal, it is a serious concern in the FSW of work-hardened non-heat-treatable Al alloys. In this group of alloys, the mechanical properties, including hardness, tensile properties, and fatigue life, are adversely affected by the softening effect because of grain growth and reduced dislocation density. Considering this challenge, work-hardened Al alloys have been limited in their industrial use, which includes aerospace, shipbuilding, automotive, and railway industries. The current comprehensive review presents the various approaches of available studies for improving the quality of FSW joints and expanding their use. First, the optimization of welding parameters, including the tool rotational and traverse speeds, tool design, plunge depth, and the tilt angle is discussed. Second, the incorporation of reinforcement particles and then underwater FSW are stated as other effective strategies to strengthen the joint. Finally, some supplementary techniques containing surface modification, bobbin tool FSW, copper backing, and double-sided FSW in relation to strain-hardened Al alloys are considered.
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.
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 découle