首页期刊导航|焊接学报
期刊信息/Journal information
焊接学报
焊接学报

王亚

月刊

0253-360X

hjxbjb@126.com

0451-86323218

150028

哈尔滨市和兴路111号

焊接学报/Journal Transactions of the China Welding InstitutionCSCD北大核心CSTPCDEI
查看更多>>本刊主要刊登焊接各专业学科理论研究的专题论文和反映焊接新材料、新工艺方法的专题论文。它代表了中国焊接学术水平具有一定的权威性,在国内外拥有广大的读者,在国际上享有一定的声誉。被美国《工程索引(Ei)》、《科学引文索引(SCI)》收录,是中国科技论文统计源期刊。
正式出版
收录年代

    B950CF钢超窄间隙激光填丝焊接头疲劳性能

    张成竹王东晔华程刘岳...
    94-102页
    查看更多>>摘要:超窄间隙激光填丝焊(ultra-narrow gap laser welding,Ultra-NGLW)是一种先进的厚贝氏体钢焊接技术,具有热输入小,焊接接头低应力、变形小等优点.通过对不同"激光填丝-激光打底"比例的Ultra-NGLW接头高频拉-拉疲劳试验,绘制了 10 mm厚不同填丝深度Ultra-NGLW接头S-N曲线,并通过对比分析接头的S-N曲线和疲劳断口特征,得到影响Ultra-NGLW 接头疲劳性能的主要原因.试验结果表明,随着激光填丝深度的加深,接头的疲劳性能逐渐降低,填丝深度为0 mm时,接头疲劳强度为337.5 MPa,当填丝深度达到5 mm后,疲劳强度趋于稳定在270 MPa左右,Ultra-NGLW接头的疲劳源主要为焊缝粗晶区和熔合区的气孔、夹杂等焊接缺陷,在高频拉-拉疲劳循环载荷的作用下,粗晶区马氏体脆硬组织中形成较多裂纹,使其疲劳源裂纹快速扩展并连通脆硬组织中的裂纹直至接头失效.

    超窄间隙激光填丝焊疲劳强度S-N曲线疲劳断口贝氏体高强钢

    层状陶瓷与镍扩散连接接头微观组织及性能

    杨景红刘甲坤魏文庆叶超超...
    103-109页
    查看更多>>摘要:采用扩散连接方式对Ni与Ti3AlC2陶瓷进行连接,为了对Ni与Ti3AlC2的反应层进行详细分析,利用SEM、TEM对接头的微观组织进行研究,了解Ni扩散机制及接头形成机理.结果表明,在扩散连接过程中,Ni元素向原始Ti3AlC2陶瓷组织的扩散优先沿着晶界及相界面进行,在此处Ni会发生明显的富集,由于Ni与Ti3AlC2陶瓷有较好的化学相容性,因此两者之间能够发生化学反应形成扩散连接接头,随着保温时间的延长,Ni的扩散更加充分,因此形成较为连续的Ni的扩散层.在扩散连接温度为900 ℃,保温时间为60 min时,Ni与Ti3AlC2陶瓷扩散连接接头的典型界面组织为Ni/Ni3(Al,Ti)+AlNi2Ti+TiC/Ti3AlC2陶瓷,随着扩散连接温度升高,接头抗剪强度表现为先增后减,当扩散连接温度为900 ℃,保温时间60 min,Ni/Ti3AlC2陶瓷接头具有最优的力学性能,抗剪强度可达94.4 MPa.

    扩散连接Ti3AlC2陶瓷微观组织扩散连接温度抗剪强度

    焊接热输入对690 MPa级HSLA钢焊缝金属组织与力学性能的影响

    汤忖江安同邦彭云林纯丞...
    110-119页
    查看更多>>摘要:采用自研直径4.0 mm的焊条对厚度为27 mm的690 MPa级HSLA钢进行不预热焊接,研究了焊接热输入对焊缝金属组织和性能的影响及强韧化机理.结果表明,焊接热输入由13 kJ/cm提高至19kJ/cm对焊缝金属组织结构及其强韧性产生了显著影响,对接接头抗拉强度、硬度呈现降低趋势,焊缝金属-50 ℃冲击吸收能量呈现先升高后降低趋势.16 kJ/cm热输入条件下获得了良好的强韧性,对接接头抗拉强度为828 MPa,焊缝中心-50 ℃冲击吸收能量为71~90 J,均值为80 J.13 kJ/cm及19 kJ/cm热输入条件下焊缝金属强韧性较低,前者与焊缝金属中板条贝氏体及侧板条铁素体形成有关,后者与其中粗大的M-A组元形成相关.热输入16 kJ/cm条件下,充分形成了塑性良好的针状铁素体组织,针状铁素体和贝氏体呈交织分布,同时,细小弥散分布的M-A组元并未对其韧性产生显著的负面作用,焊缝金属获得了良好的强韧性配合.

    690MPa级HSLA钢焊接热输入焊缝金属强韧化机理

    基于PSO-SVM的点焊接头拉剪强度分类分析

    吴刚陈天余靓辉柳志鹏...
    120-128页
    查看更多>>摘要:点焊是汽车零部件的主要连接方式之一,点焊接头的拉剪强度是评价点焊质量的重要因素,论文在制备大量点焊试样的基础上,对各试样的焊点进行超声信号检测,并运用信号处理获得时域、频域和小波包特征值,随后对点焊试样在拉剪试验中的失效形式进行分析,建立点焊接头拉剪强度的分级标准.根据试验数据设计了 BP(back-propagation)神经网络和基于粒子群优化支持向量机(particle swarm optimization support vector machine,PSO-SVM)的神经网络分类器,最后将试样的超声信号特征值作为输入参数,比较两种神经网络模型对点焊试样拉剪强度分类的准确率.试验结果表明,结合9个超声信号特征值的PSO-SVM神经网络具有最高的点焊强度分类准确率.

    点焊超声检测拉剪强度BP神经网络PSO-SVM