Influence of galvannealed zinc coating on refining microstructure and enhancing mechanical performance of laser brazed DP600 and DP980 steels
Notice bibliographique
Résumé
• 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».