MétaCan
Menu
Retour à la cohorte
Enregistrement W7077459644 · doi:10.1016/j.jmst.2025.08.008

Influence of galvannealed zinc coating on refining microstructure and enhancing mechanical performance of laser brazed DP600 and DP980 steels

2025· article· en· W7077459644 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Material Science and Technology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBrazingMicrostructureGalvannealedCoatingUltimate tensile strengthJoint (building)Refining (metallurgy)

Résumé

récupéré en direct d'OpenAlex

• Reveal the role of galvannealed coatings on braze microstructure and mechanical properties. • Coating thickness affects joint surface and wetting, and composition affects thermal profiles. • Lower Fe accelerates DP980 brazing cooling, refining interfacial and braze microstructure. • TEM and micro-indentation relate microstructure/precipitates to braze deformation mechanism. • DP980 braze exhibits superior strength (highest fracture load, local yield/true stresses). Laser brazing is a critical process for class-A automotive joints, with coating properties significantly affecting joint quality. However, the direct relationship between coating variations and the resulting microstructure and mechanical performance in laser-brazed advanced high-strength steels (AHSS) remains largely unexplored. This study systematically investigates how galvannealed (GA) coating thickness and Fe content within the coating influence laser brazing of DP600 and DP980 steels, including similar and dissimilar configurations. It reveals that variations in coating, rather than bulk steel chemistry, govern joint behavior. Thicker Zn coatings enhanced wetting but introduced surface imperfections, while a lower Fe content increased the cooling rate during DP980 brazing directly refining both the Cu braze microstructure and Fe(Si) interfacial reaction layer. The DP980 joint achieved the highest fracture load (4.4 kN for a 15-mm-wide strip), attributed to its refined braze grains and improved interfacial integrity. The dissimilar DP980-DP600 joint exhibited a refined microstructure compared to the DP600 braze, though the DP600/Cu boundary limited its joint strength due to incomplete wetting. Micro-indentation tests confirmed enhanced yield and tensile strengths in the DP980 braze. This study opens pathways for investigating tailored coating chemistries and thicknesses as design parameters for optimizing braze microstructure and mechanical integrity in AHSS assemblies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle