Microstructure and Mechanical Properties of High-Strength AA6011 Aluminum Alloy Welding with Novel 4xxx Filler Metals
Notice bibliographique
Résumé
Welding high-strength 6xxx aluminum alloys using a commercial ER4043 filler often results in inferior joint strength. This study investigated the effects of newly developed Al-Si-Mg filler metals with varying Mg (0.6-1.4 wt.%) and Mn (0.25-0.5 wt.%) contents on the microstructure evolution and mechanical performance of high-strength AA6011-T6 plates using gas metal arc welding. Two commercial fillers, ER4043 and ER4943, were used as references for comparison. The results revealed that increasing the Mg and Mn contents in the novel fillers resulted in sufficiently high alloying elements in the fusion zone (FZ), leading to higher microhardness. Under as-welded conditions, the weakest region of the joint was the heat-affected zone (HAZ). The joint strength was almost independent of the filler type and was controlled by the HAZ strength, measuring a UTS of 230 and 241 MPa for ER4043 and the other joints, respectively. The higher Mg contents in the novel fillers promoted the precipitation of a large volume fraction of fine β″-MgSi in the FZ during post-weld heat treatment (PWHT), resulting in superior strength and higher welding efficiency relative to the reference fillers. The optimal Mg content of the novel fillers was 0.6 wt.%. Increasing the Mn content of the filler metal had an insignificant effect. The FMg0.6 filler with 0.6% Mg achieved the best combination of strength (UTS of 410 MPa) and elongation (6.7%) as well as the highest welding efficiency (94%) after PWHT, among all of the fillers studied. However, the newly developed fillers adversely affected the impact toughness of the joints.
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 | 0,000 | 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 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 ».