Mitigating the influence of industrially relevant disturbances on LME severity of dissimilar resistance spot welded advanced high-strength steels
Notice bibliographique
Résumé
The third generation of advanced high-strength steels (3G-AHSS) has been developed to provide high strength and high ductility, which attract automakers. To protect these materials from corrosion during service, these materials are typically coated with zinc. During resistance spot welding (RSW), the zinc coating can melt, allowing it to penetrate into the grain boundaries (GBs), and lead to liquid metal embrittlement (LME) phenomena. Concerns regarding LME susceptibility have impacted the industrial application of 3G-AHSS; therefore, its mitigation has become a top focus for automakers. Several possible strategies for lowering LME severity by altering welding parameters have been proposed to mitigate LME in similar spot weld joints. However, these strategies were not tested on a dissimilar spot weld joint. Therefore, in this work, 1.4 mm gauge thickness galvanized (GI-coated) 3G-980 AHSS was joined with 0.6 mm thick Interstitial Free (IF) steel. In this work, current pulsation and ultra-short hold time were proposed to minimize LME severity. The robustness of the developed welding schedule was then tested on welds made with industrial disturbance factors such as pre-strained sheets (between 0 to 80% of 3G-980 material yield strength) and electrode misalignment (between 0° to 10° misalignment) compared to baseline parameters. In severe circumstances of disturbance factors, the resulting optimized welding schedule decreased LME cracking and showed improved resistance to LME, lowering LME severity by 41% for the extreme pre-strain condition and 27% for the extreme misalignment angle.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».