Deconvoluting cracking mechanisms in fusion processing of steel-copper multi-materials
Notice bibliographique
Résumé
This study investigates various cracking mechanisms and their prevalence in fusion processing of steel-copper multi-materials using operando X-ray diffraction and imaging during laser powder-bed fusion (LPBF) of 316L-CuCrZr multi-material. Operando X-ray imaging helped identify three main types of cracking: (i) solidification cracking, (ii) metal-induced embrittlement (MIE), and (iii) liquation cracking. All cracking types are closely related to the phase formation during processing, leading to two underlying mechanisms. First, liquid-liquid phase separation (LLPS) and the monotectic reaction in the 316L-CuCrZr system lead to the formation of Cu-rich and Fe-rich liquids with vastly different solidification ranges, causing solidification cracking at the melt pool centers. Second, LLPS and the monotectic reaction distribute the Cu-rich liquid uniformly between the Fe-rich dendrites, leading to MIE and/or liquation cracking. X-ray computed tomography indicated that smaller but more frequent cracks form due to MIE/liquation cracking compared to solidification cracking. Further experiments showed that by avoiding phase separation via process adjustments, cracking can be drastically reduced. However, the complete elimination of cracking necessitates chemical alterations of the material feedstock, as observed in the crack-free examples in the literature. These findings serve as a guideline for understanding the underlying reasons of cracking in steel-copper multi-materials and optimizing processing to effectively mitigate cracking, while also quantifying the extent to which these adjustments can achieve this outcome.
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) | 0,002 | 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 ».