Joint formation mechanism and mechanical properties of laser brazed Zn coated steel under different defocusing conditions
Notice bibliographique
Résumé
Laser brazing, producing a class-A joint surface in automotive, relies on the defocus control to manage laser heating mode and braze performance. This work demonstrates that the laser interaction mechanism transitioned from keyhole welding to conduction brazing as defocus distances increased from -20 to ≥ 18 mm while keeping other parameters consistent. Uniform brazed joints were achieved at defocuses of +22, +25 and +30 mm. Increased defocus distance resulted in a wider bead, with a larger laser irradiation area and expanded heat affected zone (HAZ), leading to increased steel melting and more Fe-rich precipitates within the Cu braze. The interfacial reaction layers remained Fe(Si) with increasing thickness as defocus changed from +22 to +30 mm, and two distinct Fe(Si) phases were initially identified. The steel Zn coating evaporated upon direct laser irradiation at upper two regions while participated in interfacial reactions at the weld root. At the weld root, a dramatic phase transition from Zn-Cu to Cu was observed, with liquid Zn(Cu) phases particularly forming in joints with a +30 mm defocus, led to solidification cracks that acted as failure initiation sites during tensile testing. Cracks propagated along the interfacial reaction layer/bead interface, or along large Fe-rich precipitates within the bead. A +30 mm defocus produced a lower hardness HAZ than with a +22 mm defocus, due to the higher content of bainite and tempered martensite resulting from a slower cooling rate. This work provides insights into optimizing laser brazing parameters for Zn-coated steel.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».