Microstructure and fatigue properties of 780SF steel welded joints: Effect of filler metals
Notice bibliographique
Résumé
The aim of this study was to identify the effect of filler metals (low-strength MG50T and high-strength YM80A alloys) on the microstructure and mechanical properties of 780SF steel joints made via metal active gas (MAG) welding. While 780SF-MG50T joint showed mainly pearlite and ferrite in the fusion zone (FZ), martensite plus acicular ferrite was observed in the FZ of 780SF-YM80A joint. In both types of welded joints, no unfavorable soft zones were present, unlike the same grade DP780 steel. FZ and heat-affected zone (HAZ) were detailed into two subzones due to the presence of different microstructures which were governed by the temperature and equivalent carbon content. A “suspension bridge”-like hardness profile was present in the 780SF-MG50T joint owing to the formation of localized martensite at the FZ/HAZ interface, while a “bell dome”-like hardness profile was obtained for the 780SF-YM80A joint due to the presence of martensite in the FZ. A joint efficiency of 100% was achieved for the 780SF-YM80A joint with base steel failure and intact weld remained after tensile testing, while it was 93% for the 780SF-MG50T joint with failure from the weld root. The 780SF-YM80A joint with a higher tensile strength had a longer fatigue life at higher cyclic stress amplitudes, but a shorter fatigue life at lower stress amplitudes than the 780SF-MG50T joint. The fatigue life in both joints followed Basquin’s equation nicely. All the fatigued samples failed exclusively at the weld root due to the overwhelming effect of stress concentration and tensile residual stresses. The results revealed the major implications of fatigue of welded joints under dynamic loading in guaranteeing their safe and reliable structural 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 | 0,000 | 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 ».