Influence of Flux Agent Composition in A-TIG Welding Of Cu-ETP Sheets
Notice bibliographique
Résumé
Due to its high coefficient of thermal expansion and high thermal conductivity, TIG welding of copper and copper alloys is considered difficult and demanding.Activated TIG welding (A-TIG) has been widely researched as a welding method for obtaining deeper penetration on various metals.However, A-TIG welding of copper remains unexplored without known influence of flux substances, applied parameters and achieved mechanical properties in produced welds.Three substances were examined as single component fluxes in this work: Calcium oxide (CaO), Silicon dioxide (SiO2) and Sodium carbonate (Na2CO3).Produced welds were characterized by visual inspection and macrostructural analysis, also bend testing and tensile strength testing were performed.Microstructure of the weld with optimal mechanical properties was analyzed by means of Field Emission Gun-Scanning Electron Microscope (FEG-SEM) and also the chemical characterization of the weld was made by means of Energy Dispersive Spectroscopy (EDS).The results showed that the most effective flux used was Silicon dioxide.A-TIG welding with SiO2 flux enabled good results in visual inspection, macrostructure analysis, band test and tensile strength test.However, oxide inclusions have been found in weld metal in significant percentage which could indicate the possible degradation of electrical conductivity of the Cu-ETP sheets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».