Effect of Laser Heat Treatment on the Mechanical Performance and Microstructural Evolution of AISI 1045 Steel-2017-T4 Aluminum Alloy Joints during Rotary Friction Welding

Mullo, José Luis; Ramos‐Grez, Jorge; Barrionuevo, Germán

doi:10.1007/s11665-021-05614-6

Cited by 14 publications

(3 citation statements)

References 39 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Laser-assisted friction welding (LAFW) has been implemented in friction stir welding (FSW), but in RFW, it has been seldom explored. Recently, Mullo, Ramos-Grez, & Barrionuevo [17] demonstrated that LAFW could increase the interlayer bonding thickness by a 4-fold, , accelerating the diffusion process by a 25% and thus increasing the UTS of aluminum-steel bars.…”

Section: Introductionmentioning

confidence: 99%

Predicting the ultimate tensile strength of AISI 1045 steel and 2017-T4 aluminum alloy joints in a laser-assisted rotary friction welding process using machine learning: a comparison with response surface methodology

Barrionuevo

Mullo

Ramos‐Grez

2021

Int J Adv Manuf Technol

Self Cite

View full text Add to dashboard Cite

Welding metal alloys with dissimilar melting points make conventional welding processes not feasible to be used. Friction welding, on the other hand, has proven to be a promising technology. However, obtaining the welded joint's mechanical properties with characteristics similar to the base materials remains a challenge. In the development of this work, several of the machine learning (ML) regressors (e.g., Gaussian process, decision tree, random forest, gradient boosting, and multi-layer perceptron) were evaluated for the prediction of the ultimate tensile strength (UTS) in joints of AISI 1045 steel and 2017-T4 aluminum alloy produced by rotary friction welding with laser assistance. A mixed design of experiments was employed to assess the effect of the rotation speed, friction pressure, and laser power over the UTS. Furthermore, the response surface methodology (RSM) was employed to determine an empirical equation for predicting the UTS, and contours maps determine the main interactions. A total of 48 specimens were employed to train the regressors; the 5-fold cross-validation methodology was used to find the algorithm with greater precision. The gradient boosting regressor (GBR) and Gaussian processes regressors present the highest precision with a less than 3% percentage error for the laser-assisted rotary friction welding process. The capability of the GBR exceeds the accuracy of the RSM with a coefficient of determination (R 2 ) of 90.90 versus 83.24 %, respectively.

show abstract

Section: Introductionmentioning

confidence: 99%

Predicting the ultimate tensile strength of AISI 1045 steel and 2017-T4 aluminum alloy joints in a laser-assisted rotary friction welding process using machine learning: a comparison with response surface methodology

Barrionuevo

Mullo

Ramos‐Grez

2021

Int J Adv Manuf Technol

Self Cite

View full text Add to dashboard Cite

show abstract

“…b) Fin de la aplicación láser e inicio del proceso de fricción mediante la aplicación de la fuerza F1. c) Suspensión de la rotación y aplicación de la fuerza axial de forja [13] Para el diseño del mecanismo de presión (Figura 2) se acopló un contrapunto de presión al torno, el diseño se realizó en el software de diseño 3D Autodesk Inventor. Se utilizaron materiales de acuerdo con el grado de esfuerzo a soportar en el proceso de soldadura.…”

Section: Introductionunclassified

“…b) Fin de la aplicación láser e inicio del proceso de fricción mediante la aplicación de la fuerza F1. c) Suspensión de la rotación y aplicación de la fuerza axial de forja[13]…”

unclassified

Diseño y construcción de un equipo de soldadura por fricción con asistencia láser para la unión de ejes de acero AISI 1045 y aluminio 2017-T4

Cáceres

Sojo

et al. 2021

ings

Self Cite

View full text Add to dashboard Cite

La confluencia poblacional en áreas internas o externas incrementa considerablemente la trasmisión de la COVID-19, por no respetar el distanciamiento social que establece el sistema de salud. El objetivo de este trabajo fue hacer uso de técnicas de programación, empleando el lenguaje PHP (preprocesador de hipertexto), para el desarrollo de una aplicación que simule el aforo máximo de personas que pueden ingresar a un área interna o externa. La metodología permitió el reconocimiento de áreas internas y externas comunes, configuración al entorno de desarrollo, codificación, propuesta de simulación y ejecución del simulador donde se ha evaluado un caso práctico y diez lugares para determinar su confiabilidad. El simulador brindó el aforo máximo de personas que pueden ingresar a un lugar de área interna o externa cumpliendo el distanciamiento social de 2 m. Los resultados permitieron conocer que el uso de las tecnologías de información a través de las técnicas de programación y el lenguaje PHP contribuyó en ser una alternativa tecnológica para la lucha contra la propagación del virus.

show abstract

Machine Learning Regressors in Forecasting Mechanical Properties in Advanced Manufacturing Processes

Barrionuevo,

Ramos-Grez,

Montero

2024

Lecture Notes in Networks and Systems

View full text Add to dashboard Cite

Effect of Laser Heat Treatment on the Mechanical Performance and Microstructural Evolution of AISI 1045 Steel-2017-T4 Aluminum Alloy Joints during Rotary Friction Welding

Cited by 14 publications

References 39 publications

Predicting the ultimate tensile strength of AISI 1045 steel and 2017-T4 aluminum alloy joints in a laser-assisted rotary friction welding process using machine learning: a comparison with response surface methodology

Predicting the ultimate tensile strength of AISI 1045 steel and 2017-T4 aluminum alloy joints in a laser-assisted rotary friction welding process using machine learning: a comparison with response surface methodology

Diseño y construcción de un equipo de soldadura por fricción con asistencia láser para la unión de ejes de acero AISI 1045 y aluminio 2017-T4

Machine Learning Regressors in Forecasting Mechanical Properties in Advanced Manufacturing Processes

Contact Info

Product

Resources

About