Effect of Mo Addition on the Susceptibility of Advanced High Strength Steels to Liquid Metal Embrittlement
Notice bibliographique
Résumé
Liquid metal embrittlement (LME) in Zn-coated advanced high-strength steels (AHSSs) is an increasing concern, particularly in automotive assembly, where it can cause early failure and reduce ductility during resistance spot welding (RSW). This study explores the impact of adding 0.2 wt% Mo on the LME susceptibility of 0.2C-2Mn-1.5Si AHSS through hot tensile testing, RSW, and advanced microstructural analyses, including atom probe tomography (APT) and transmission electron microscopy (TEM). The results suggest that Mo enhances resistance to LME, as evidenced by the increased tensile stroke from 2 mm in the case of the 0 Mo alloy and to 2.75 mm in the case of the 0.2 Mo sample. Also, the average crack length in the shoulder of the welded samples decreased from 109 ± 7 μm to 28 ± 3 μm by adding 0.2 wt% Mo to the base alloy. APT analysis revealed that, in the presence of Mo, there is increased boron (B) segregation at austenite grain boundaries, improving cohesion, while TEM suggested more diffusion of Zn into the substrate, facilitating the formation of Zn-ferrite. These findings highlight Mo's potential to reduce LME susceptibility of AHSS for automotive applications.
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 | 0,000 | 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 ».