Orientation solidification map through laser scan strategy Engineering for additively manufactured stainless steels
Notice bibliographique
Résumé
• 3D finite element model links scan strategy to grain shape and orientation in LPBF 316L. • Melting modes (conduction, transition, keyhole) and remelting govern grain texture dynamics. • A solidification map links G × R to crystal orientation, enabling process control in LPBF. Using a three-dimensional multiphase finite element model combined with a multiscale characterization framework, this study investigates the solidification characteristics and grain orientations of 316L stainless steel (316LSS) during laser powder bed fusion (LPBF) under different laser scanning strategies. Three common patterns—meander, stripe, and chessboard—were evaluated to capture the associated thermal profiles and melt pool (MP) dynamics. While conduction dominated across all strategies, the stripe and chessboard patterns showed greater susceptibility to keyhole and transition melting modes. Thermal simulations revealed variations in remelting depth: the stripe pattern exhibited the deepest remelting (∼150 μm), while the meander pattern showed the shallowest (∼50 μm), influencing grain refinement and morphology. Crystallographic orientation analysis indicated that interactions between keyhole, transition, and conductive MPs altered preferred growth directions. The meander strategy promoted [101] and [111] orientations, whereas the stripe and chessboard strategies showed stronger alignment toward [111]. By correlating thermal parameters—temperature gradient (G) and solidification rate (R)—with local crystallographic orientation and grain structure, a solidification orientation map was developed. This map demonstrates how scan strategy–driven MP interactions control microstructural features, providing a predictive tool for grain morphology and texture design in LPBF-316LSS components.
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 ».