MétaCan
Menu
Retour à la cohorte
Enregistrement W4387421886 · doi:10.3390/met13101704

Effect of Laser Welding Parameters with Different Fillers on Solidification Cracking and Mechanical Properties of AA7075

2023· article· en· W4387421886 sur OpenAlexaff
Mohammed Alkhabbat, François Nadeau, Fatemeh Mirakhorli, Thiên-My Dao, Xuan-Tan Pham

Notice bibliographique

RevueMetals · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensNational Research Council CanadaÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceWeldingMicrostructureComposite materialUltimate tensile strengthLaser beam weldingHeat-affected zoneFusion weldingAlloyCrackingMetallurgy

Résumé

récupéré en direct d'OpenAlex

AA7075 is considered a ‘non-weldable’ alloy using fusion welding methods. In this study, laser welding is applied in pulse mode to weld 2 mm thick AA7075 aluminum alloy plates using different fillers. The aim is to identify the influence of welding parameters and fillers on solidification cracking susceptibility during laser welding using the circular patch test (CPT). X-ray radiography was used to detect and measure cracks in the CPT samples. Furthermore, the effects of the laser welding process and chemical composition of fillers on the accumulated crack length (CCL), microstructure, and mechanical properties were investigated. Moreover, the mechanical behavior and local deformation of the fusion zone (FZ) were investigated using micro-flat tensile tests with digital image correlation. The mechanical properties of the FZ were correlated with the CCL as well as with the microstructure of the FZ, which was investigated experimentally. The results show that the chemical composition of fillers and welding speed affect the CCL of solidification cracks. Changes in the microstructure were observed within the fusion zone, and the structure became uniform and finer with the formation of Mg2Si and magnesium-rich, copper, and zinc (η-phase) particles.

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 enseignants0,027
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,017
Tête enseignante GPT0,213
Écart entre enseignants0,196 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207