Development of a right angle friction stir welding (RAFSW) technique to assemble aluminum products
Bibliographic record
Abstract
Aujourd'hui, le soudage par friction-malaxage (FSW) a attiré beaucoup d'attention dans les secteurs universitaires et industriels. Malgré ses avantages importants par rapport aux techniques de soudage par fusion, il n'est pas largement utilisé dans l'industrie actuelle, principalement en raison des coûts d'équipement élevés et des redevances. Certaines autres raisons sont les forces de processus élevées, le besoin d'un serrage puissant, le manque de directives concernant la fenêtre de travail efficace des paramètres du processus et l'effet du traitement thermique après soudage. En outre, il est nécessaire d'avoir une conception d'outils appropriée pour différentes applications, géométries et configurations de soudage. Pour surmonter ces problèmes, une technique FSW rentable appelée FSW à angle droit(RAFSW) a récemment été introduite par l'équipe PI2/ REGAL de l'Université Laval. Il est essentiel de développer et d'étudier ses différents aspects pour rendre la technique fiable pour une large utilisation industrielle. Dans cette thèse, l'objectif est de fournir aux utilisateurs potentiels des directives et des fenêtres de travail efficaces pour les paramètres du processus de soudage à des vitesses de soudage élevées applicables à différentes configurations et géométries. Une conception d'outils appropriée pour différentes applications est également un autre aspect à explorer. De plus l'effet du traitement thermique après soudage sera étudié. Enfin, la technique sera adaptée pour être mise en œuvre sur des routeurs CNC de grande taille et à faible coût afin d'assembler de grands panneaux en aluminium à de faibles forces de soudage sans avoir besoin d'un serrage solide.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".