Effect of Filler Wire Composition on Weld Metal Microstructure and Mechanical Properties in X80 Steel Laser Welds
Notice bibliographique
Résumé
Laser welding was performed using different filler wires, ER70S steel, commercially pure iron, and pure nickel filler, in the context of welding X80 pipeline steel to assess the microstructure and mechanical properties of the weld metal. Introducing an ER70S wire promoted acicular ferrite formation in the fusion zone, compared to a bainitic microstructure in an autogenous laser weld. The use of pure iron wire was considered as a potential strategy for reducing hardenability, as it led to the dilution of alloying elements in the fusion zone, increasing ferrite content and reducing weld metal hardness to a level compliant with API pipeline standards. The addition of pure nickel wire was used to reveal the degree of weld metal mixing imposed by the laser (thus providing an unambiguous tracer element) when it is combined with filler material dilution in the fusion zone, revealing that the upper region contained 38% wire material and the lower region only 12%. This accounts for the differences observed between the upper versus lower portions of the weld metal when other wires are used, and the use of hardness mapping and micro-indentation demonstrates the correlation between the variations in mechanical properties and microstructural differences introduced by incomplete mixing of the filler wire elements.
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 ».