CN107478799B - 一种预测低熔点元素调控钎焊接头力学性能的方法 - Google Patents

一种预测低熔点元素调控钎焊接头力学性能的方法 Download PDF

Info

Publication number
CN107478799B
CN107478799B CN201710737897.XA CN201710737897A CN107478799B CN 107478799 B CN107478799 B CN 107478799B CN 201710737897 A CN201710737897 A CN 201710737897A CN 107478799 B CN107478799 B CN 107478799B
Authority
CN
China
Prior art keywords
solder
prediction
soldered fitting
mechanical property
melting point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710737897.XA
Other languages
English (en)
Other versions
CN107478799A (zh
Inventor
王星星
彭进
薛鹏
崔大田
孙国元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201710737897.XA priority Critical patent/CN107478799B/zh
Publication of CN107478799A publication Critical patent/CN107478799A/zh
Application granted granted Critical
Publication of CN107478799B publication Critical patent/CN107478799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Investigating And Analyzing Materials By Characteristic Methods (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开一种预测低熔点元素调控钎焊接头力学性能的方法，包括以下步骤：第1步：确定钎焊接头所用的钎料、母材材质；第2步：测定钎料中各低熔点元素的含量WM％(质量分数)；第3步：确定钎料熔化温度区间ΔTM；第4步：将第2步不同低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM，代入预测数学模型SJ：第5步：根据上述第4步的数值大小判定钎焊接头的力学性能，数值越小钎焊接头力学性能越好，反之力学性能越差。本发明借助钎料熔化温度区间、低熔点元素含量、数学模型相结合，能够快速、高效、准确预测低熔点元素调控钎焊接头力学性能。

Description

一种预测低熔点元素调控钎焊接头力学性能的方法
技术领域：
本发明属于钎焊接头性能评定领域，具体涉及一种低熔点元素调控钎焊接头力学性的预测方法。
背景技术：
钎料接头力学性能作为评价钎焊工艺和应用的一项重要指标，其优劣直接影响钎料使用、钎焊接头的质量和性能，进而影响钎焊件的使用寿命和可靠性。因此，钎焊接头的力学性能是评定钎料使用性的关键问题之一。
低熔点元素(熔点低于350℃)，具有降低钎料熔化温度、改善钎料润湿性的有益作用，对于硬钎料(熔点高于450℃)来说，添加一定量的低熔点元素，可有效提高硬钎料的填缝能力，调控钎缝组织，获得高质量、性能优异的钎焊接头，进一步拓宽硬钎料的应用范畴。
国标GB/T 11363-2008《钎焊接头强度试验方法》，规范了测定钎焊接头强度的尺寸标准、拉伸或剪切试样，需要按照标准选材、加热钎焊、试样冷却、加工标准试样、强度试验，根据软件的载荷位移曲线，计算不同材质钎焊接头的力学性能。专利CN201410071437.4，公开了一种包括力产生采集转换、微观图像放大采集传输和数据显示及处理装置的钎焊接头力学性能测试方法，数据准确，但需焊接大量接头、抗拉强度或抗剪强度测试、图像处理分析等，成本高、效率低，可行性较差。CN201410351317.X，通过数据分析软件中的载荷-位移曲线，确定试样的界面断裂能、最大载荷，测定T形钎焊接头的力学性能，该方法可解决钎焊板翅结构力学性能测试的缺陷，但需要大量的试验数据(钎焊接头、载荷、位移、数学模型建立及求解等)，具有较大的局限性。CN201510056491.6，借助熔合比、能量非对称分布率、抗拉极限强度，建立异种激光焊接接头力学性能的数学模型，为镍基合金/304奥氏体不锈钢的连接、能量非对称分布率的选择提供一种可行性方法，但是需要多次精度检验、能量非对称分布率最优化计算，数据庞大、效率低下。CN201010173763.8，公开了一种基于人工神经网络的Q345焊接接头力学性能预测方法，借助焊接电流、电压和焊接速率与抗拉强度、屈服强度、断面收缩率和延伸率数据，建立焊接工艺参数和接头力学性能之间的映射关系，利用人工神经网络模型对焊接接头力学性能进行预测，该方法的不足是样本数据不同，神经网络模型不同，接头性能预测将发生变化，局限性较大。CN201611178243.X，通过钎焊棒料、均质棒料、拉伸试验、母材和钎缝弹性模量测定等工序和试验数据，绘制钎缝强化曲线，该方法的缺点是试验数据多，强化曲线绘制的精确度不高，从而影响钎缝力学性能预测的准确性。
发明内容：
针对现有技术的缺点和不足之处，本发明借助钎料熔化温度区间、低熔点元素含量、数学模型相结合，提供一种预测低熔点元素调控钎焊接头力学性能的方法，能够快速、高效、准确预测低熔点元素调控钎焊接头力学性能。
为实现上述目的，本发明的采用以下技术方案：
、一种预测低熔点元素调控钎焊接头力学性能的方法，包括以下步骤：
第1步：确定钎焊接头所用的钎料、母材材质；
第2步：测定钎料中各低熔点元素的含量WM％(质量分数)；
第3步：确定钎料熔化温度区间ΔTM；
第4步：将第2步不同低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM
代入预测数学模型SJ：
其中预测数学模型如下：
这里，n＝1、2、3......分别代表钎料中含有一种、两种、三种......低熔点元素；
第5步：根据上述第4步的数值大小判定钎焊接头的力学性能，数值越小钎焊接头力学性能越好，反之力学性能越差。
进一步，本发明所述第2步低熔点元素是In、Ga、Sn、Rb、P中的任意一种或两种及以上。
进一步，本发明In、Ga、Sn、Rb、P的质量百分比分别不超过15.5％、6.5％、25％、1.2％、0.9％。
进一步，本发明所述钎焊接头所用的钎料为熔化温度高于450℃的硬钎料。
进一步，本发明所述钎料为银基、铜基、镍基钎料中的任意一种。
进一步，本发明权利要求书1所述母材材质为奥氏体不锈钢、碳钢、黄铜。
本发明具有如下优点及有益效果：
1)通过大量试验数据，创新性的建立了预测钎焊接头力学性能的数学模型，仅需低熔点元素含量和钎料熔化温度区间，即可对比不同含量低熔点元素对钎焊接头力学性能的影响规律，方法简单、可行；
2)本发明提供的方法无需开展任何力学性能试验，大幅度减少试验工作量、提高工作效率；
3)与传统钎焊接头力学性能试验或预测或计算方法相比，本发明提供的方法不需购买接头力学性能试验设备，无需借助任何制图软件或计算机系统，大幅度降低试验成本。
4)所构建的钎焊接头力学性能预测数学模型，仅根据数值大小即可判定，低熔点元素对钎焊接头抗拉强度或抗剪强度的影响幅度，数值计算准确度高。
5)本发明成功构建熔化温度区间、低熔点元素含量与钎焊接头力学性能预测之间的统一关系式，为研究钎焊接头力学性能评价提供理论依据。
具体实施方式：
实施例1：一种预测Sn元素调控钎焊接头力学性能(银钎料，AgCuZnSn，Sn含量小于6.5％；感应钎焊，钎焊温度805～825℃，时间48～50s)的方法，其包括以下步骤：
第1步：确定钎焊接头所用的钎料类别、母材材质；
第2步：采用XRF-1800型X射线荧光光谱仪(XRF)测定钎料中Sn元素的含量WM％(质量分数)
第3步：利用STA449F3型热分析仪(DSC)确定银钎料熔化温度区间ΔTM；
第4步：将第2步不同低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM代入预测数学模型SJ。
由于钎料中只含有一种元素Sn，故n＝1。
第5步：判定Sn元素对钎焊接头力学性能(抗拉强度或抗剪强度)的影响规律，数值越小抗拉强度或抗剪强度越高，反之力学性能越差。
为了验证本发明预测方法的准确性，以230mg的AgCuZnSn钎料为焊料、60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表1所示：
根据表1可知，随着Sn含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn含量增加，AgCuZnSn钎料感应钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例2：一种预测In元素调控钎焊接头力学性能(银钎料，AgCuZnIn，In含量小于5％；感应钎焊，钎焊温度805～820℃，时间48s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以215mg的AgCuZnIn钎料为焊料、60mm×25mm×2.5mm的316不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表2所示：
根据表2可知，随着In含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着In含量增加，AgCuZnIn钎料感应钎焊316不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例3：一种预测Ga元素调控钎焊接头力学性能(银钎料，AgCuZnGa，Ga含量小于6％；感应钎焊，钎焊温度805～825℃，时间45～49s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以220mg的AgCuZnGa钎料为焊料，对60mm×25mm×2.5mm的H62黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表3所示：
根据表3可知，随着Ga含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着Ga含量增加，AgCuZnGa钎料感应钎焊H62黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例4：一种预测Sn、In元素元素调控钎焊接头力学性能(银钎料，AgCuZnSnIn，Sn、In含量分别小于2.9％、2.6％；钎焊方法为感应钎焊，钎焊温度800～830℃，时间45～48s)的方法，其步骤如下：
第1步：确定钎焊接头所用的钎料类别、母材材质；
第2步：采用XRF-1800型X射线荧光光谱仪(XRF)测定钎料中Sn、In元素的含量WM％(质量分数)
第3步：利用STA449F3型热分析仪(DSC)确定银钎料熔化温度区间ΔTM；
第4步：将第2步两种低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM代入预测数学模型SJ。
由于钎料中含有两种元素，故n＝2。
第5步：判定Sn、In元素对钎焊接头力学性能(抗拉强度或抗剪强度)的影响规律，数值越小抗拉强度或抗剪强度越高，反之力学性能越差。
为了验证本发明预测方法的准确性，以216mg的AgCuZnSnIn钎料为焊料、60mm×25mm×2.5mm的H80黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表4所示：
根据表4可知，随着Sn、In含量增加，SJ值减小，说明接头的抗拉强度升高；试验结果表明，随着Sn、In含量增加，AgCuZnSnIn钎料感应钎焊H68黄铜接头的抗拉强度升高，试验结果与本发明预测结果相吻合。
实施例5：一种预测Sn、Ga元素元素调控钎焊接头力学性能(银钎料，AgCuZnSnGa，Sn、Ga含量分别不超过2.9％、2.8％；钎焊方法为感应钎焊，钎焊温度805～835℃，时间45～48s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以215mg的AgCuZnSnGa钎料为焊料、60mm×25mm×2.5mm的316LN不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表5所示：
根据表5可知，随着Sn、Ga含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着Sn、Ga含量增加，AgCuZnSnGa钎料感应钎焊316LN不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例6：一种预测In、Ga元素元素调控钎焊接头力学性能(银钎料，AgCuZnInGa，In、Ga含量分别不超过2.9％、2.8％；钎焊方法为感应钎焊，钎焊温度805～830℃，时间45～48s)的方法，其包括以下步骤与实施例4相同。
为了验证本发明预测方法的准确性，以210mg的AgCuZnInGa钎料为焊料，对60mm×25mm×2.5mm的316LN不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表6所示：
根据表6可知，随着In、Ga含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着In、Ga含量增加，AgCuZnInGa钎料感应钎焊316LN不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例7：一种预测Sn、In、Ga元素元素调控钎焊接头力学性能(银钎料，AgCuZnSnInGa，Sn、In、Ga含量分别小于2.9％、1.5％、1.4％；钎焊方法为感应钎焊，钎焊温度805～835℃，时间46～50s)的方法，其包括以下步骤如下：
第1步：确定钎焊接头所用的钎料类别、母材材质；
第2步：采用XRF-1800型X射线荧光光谱仪(XRF)测定钎料中Sn、In、Ga元素的含量WM％(质量分数)
第3步：利用STA449F3型热分析仪(DSC)确定银钎料熔化温度区间ΔTM；
第4步：将第2步三种低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM代入预测数学模型SJ。
由于钎料中含有3种元素，故n＝3。
第5步：判定Sn、In、Ga元素对钎焊接头力学性能(抗拉强度或抗剪强度)的影响规律，数值越小抗拉强度或抗剪强度越高，反之力学性能越差。
为了验证本发明预测方法的准确性，以220mg的AgCuZnSnInGa钎料为焊料，对60mm×25mm×2.5mm的316LN不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表7所示：
根据表7可知，随着Sn、In、Ga含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn、In、Ga含量增加，AgCuZnSnInGa钎料感应钎焊316LN不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例8：一种预测Rb元素调控钎焊不锈钢接头力学性能(银钎料，AgCuZnRb，Rb含量小于1.2％；感应钎焊，钎焊温度805～830℃，时间45～48s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以210mg的AgCuZnRb钎料为焊料，对60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表8所示：
根据表8可知，随着Rb含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着Rb含量增加，AgCuZnRb钎料感应钎焊304不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例9：一种预测P元素调控钎焊接头力学性能(银钎料，AgCuZnP，P含量不超过0.9％；感应钎焊，钎焊温度790～815℃，时间41～46s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以235mg的AgCuZnP钎料为焊料，对60mm×25mm×2.5mm的H62黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表9所示：
根据表9可知，随着P含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着P含量增加，AgCuZnP钎料感应钎焊H62黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例10：一种预测Sn、P元素元素调控钎焊接头力学性能(AgCuZnSnP钎料，Sn、P含量分别不超过4.5％、0.6％；钎焊方法为火焰钎焊，钎焊温度815～845℃，时间41～46s)的方法，其与实施例4相同。
为了验证本发明预测方法的准确性，以225mg的AgCuZnSnP钎料为焊料，对60mm×25mm×2.5mm的H68黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表10所示：
根据表10可知，随着Sn、P含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着Sn、P含量增加，AgCuZnSnP钎料火焰钎焊H68黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例11：一种预测Sn、Rb元素元素调控钎焊接头力学性能(AgCuZnSnRb钎料，Sn、Rb含量分别不超过4.0％、0.8％；钎焊方法为感应钎焊，钎焊温度815～845℃，时间42～46s)的方法，其与实施例4相同。
为了验证本发明预测方法的准确性，以225mg的AgCuZnSnRb钎料为焊料、60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表11所示：
根据表11可知，随着Sn、Rb含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着Sn、Rb含量增加，AgCuZnSnRb钎料感应钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例12：一种预测Sn、P、Rb元素元素调控钎焊接头力学性能(AgCuZnSnPRb钎料，Sn、P、Rb含量不超过小于4.0％、0.6％、0.6％；钎焊方法为火焰钎焊，钎焊温度800～825℃，时间45～48s)的方法，其实施步骤与实施例7相同。
为了验证本发明预测方法的准确性，以210mg的AgCuZnSnPRb钎料为焊料，对60mm×25mm×2.5mm的304不锈钢为母材，利用HJ01焊炬对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表12所示：
根据表12可知，随着Sn、P、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn、P、Rb量增加，AgCuZnSnPRb钎料火焰钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例13：一种预测In、Rb元素元素调控钎焊接头力学性能(AgCuZnInRb钎料，In、Rb含量分别不超过4.0％、0.9％；钎焊方法为火焰钎焊，钎焊温度810～829℃，时间47～49s)的方法，其与实施例4相同。
为了验证本发明预测方法的准确性，以215mg的AgCuZnInRb钎料为焊料，对60mm×25mm×2.5mm的304不锈钢为母材，利用HJ01焊炬对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表13所示：
根据表13可知，随着In、Rb含量增加，SJ值先减小后增大，说明接头的抗拉强调先升高后降低；试验结果表明，随着In、Rb含量增加，AgCuZnInRb钎料火焰钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例14：一种预测In、P元素元素调控钎焊接头力学性能(AgCuZnInP钎料，In、P含量分别不超过4.0％、0.6％；钎焊方法为感应钎焊，钎焊温度810～835℃，时间47～50s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以240mg的AgCuZnInP钎料为焊料、60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表14所示：
根据表14可知，随着In、P含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着In、P含量增加，AgCuZnInP钎料感应钎焊304不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例15：一种预测In、P、Rb元素元素调控钎焊接头力学性能(AgCuZnInPRb钎料，In、P、Rb含量分别不超过4.0％、0.6％、0.6％；钎焊方法为感应钎焊，钎焊温度800～830℃，时间46～48s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以235mg的AgCuZnInPRb钎料为焊料、60mm×25mm×2.5mm的316L不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表15所示：
根据表15可知，随着In、P、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着In、P、Rb量增加，AgCuZnInPRb钎料感应钎焊316L不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例16：一种预测Ga、Rb元素元素调控钎焊接头力学性能(AgCuZnGaRb钎料，Ga、Rb含量分别不超过4.05％、0.85％；钎焊方法为感应钎焊，钎焊温度800～825℃，时间45～49s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以245mg的AgCuZnGaRb钎料为焊料，对60mm×25mm×2.5mm的316L不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表16所示：
根据表16可知，随着Ga、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、Rb含量增加，AgCuZnGaRb钎料感应钎焊316L不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例17：一种预测Ga、P元素元素调控钎焊接头力学性能(AgCuZnGaP钎料，Ga、P含量分别不超过4.05％、0.6％；钎焊方法为感应钎焊，钎焊温度800～835℃，时间45～48s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以240mg的AgCuZnGaP钎料为焊料，对60mm×25mm×2.5mm的316LN不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表17所示：
根据表17可知，随着Ga、P含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着Ga、P含量增加，AgCuZnGaP钎料感应钎焊316LN不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例18：一种预测Ga、P、Rb元素元素调控钎焊接头力学性能(AgCuZnGaPRb钎料，Ga、P、Rb含量分别不超过4.05％、0.6％、0.6％；钎焊方法为火焰钎焊，钎焊温度805～845℃，时间41～45s)的方法，其实施步骤与实施例7相同：
为了验证本发明预测方法的准确性，以210mg的AgCuZnGaPRb钎料为焊料，对60mm×25mm×2.5mm的Q235碳钢为母材，利用HJ01焊炬加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表18所示：
根据表18可知，随着Ga、P、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、P、Rb量增加，AgCuZnGaPRb钎料火焰钎焊Q235碳钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例19：一种预测Rb、P元素元素调控钎焊接头力学性能(AgCuZnRbP钎料，Rb、P含量分别不超过1.05％、0.6％；钎焊方法为感应钎焊，钎焊温度790～815℃，时间44～46s)的方法，其包步骤与实施例4相同。
为了验证本发明预测方法的准确性，以225mg的AgCuZnRbP钎料为焊料，对60mm×25mm×2.5mm的201不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表19所示：
根据表19可知，随着Rb、P含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着Rb、P含量增加，AgCuZnRbP钎料感应钎焊201不锈钢接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例20：一种预测Sn、In、Rb元素元素调控钎焊接头力学性能(AgCuZnSnInRb钎料，Sn、In、Rb含量分别不超过2.9％、2.6％、0.6％；钎焊方法为感应钎焊，钎焊温度810～845℃，时间40～45s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以230mg的AgCuZnSnInRb钎料为焊料，对60mm×25mm×2.5mm的H62黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表20所示：
根据表20可知，随着Sn、In、Rb含量升高，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn、In、Rb量增加，AgCuZnSnInRb钎料感应钎焊H62黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例21：一种预测Sn、In、P元素元素调控钎焊接头力学性能(AgCuZnSnInP钎料，Sn、In、P含量分别不超过2.9％、2.6％、0.6％；钎焊方法为感应钎焊，钎焊温度800～845℃，时间41～44s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以230mg的AgCuZnSnInP钎料为焊料、60mm×25mm×2.5mm的Q275碳钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后利用MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表21所示：
根据表21可知，随着Sn、In、P含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn、In、P量增加，AgCuZnSnInP钎料感应钎焊Q275碳钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例22：一种预测Ga、Sn、P元素元素调控钎焊接头力学性能(AgCuZnGaSnP钎料，Ga、Sn、P含量分别不超过3.0％、3.0％、0.6％；钎焊方法为火焰钎焊，钎焊温度800～825℃，时间48s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以210mg的AgCuZnGaSnP钎料为焊料，对60mm×25mm×2.5mm的304不锈钢为母材，利用HJ01焊炬对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表22所示：
根据表22可知，随着Ga、Sn、P含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、Sn、P量增加，AgCuZnGaSnP钎料火焰钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例23：一种预测Ga、Sn、Rb元素元素调控钎焊接头力学性能(AgCuZnGaSnRb钎料，Ga、Sn、Rb含量分别小于3.0％、3.0％、0.6％；钎焊方法为感应钎焊，钎焊温度800～845℃，时间45～48s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以225mg的AgCuZnGaSnRb钎料为焊料，对60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后利用MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表23所示：
根据表23可知，随着Ga、Sn、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、Sn、Rb量增加，AgCuZnGaSnRb钎料感应钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例24：一种预测Ga、In、P元素元素调控钎焊接头力学性能(AgCuZnGaInRb钎料，Ga、In、P含量分别不超过3.0％、3.0％、0.6％；钎焊方法为感应钎焊，钎焊温度800～845℃，时间41～44s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以240mg的AgCuZnGaInP钎料为焊料、60mm×25mm×2.5mm的201不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表24所示：
根据表24可知，随着Ga、In、P含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、In、P量增加，AgCuZnGaInP钎料感应钎焊201不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例25：一种预测Ga、In、Rb元素元素调控钎焊接头力学性能(AgCuZnGaInRb钎料，Ga、In、Rb含量分别不超过3.0％、3.0％、0.6％；钎焊方法为感应钎焊，钎焊温度800～850℃，时间40～43s)的方法，其步骤与实施例7相同。
为了验证本发明预测方法的准确性，以240mg的AgCuZnGaInRb钎料为焊料、60mm×25mm×2.5mm的201不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表25所示：
根据表25可知，随着Ga、In、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Ga、In、Rb量增加，AgCuZnGaInRb钎料感应钎焊201不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例26：一种预测Sn元素调控钎焊接头力学性能(CuZnSn钎料，Sn含量不超过5％)；火焰钎焊，钎焊温度850～880℃，时间45～48s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以235mg的CuZnSn钎料为焊料，对60mm×25mm×2.5mm的H68黄铜为母材，利用HJ01对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表26所示：
根据表26可知，随着Sn含量增加，SJ值逐渐减小，说明接头的抗拉强度逐渐升高；试验结果表明，随着Sn含量增加，CuZnSn钎料火焰钎焊H68黄铜接头的抗拉强度逐渐升高，试验结果与本发明预测结果相吻合。
实施例27：一种预测P元素调控钎焊接头力学性能(CuNiP钎料，P含量不超过8％)；感应钎焊，钎焊温度1150～1200℃，时间35～41s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以250mg的CuNiP钎料为焊料、60mm×25mm×2.5mm的H80黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表27所示：
根据表27可知，随着P含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着P含量增加，CuNiP钎料感应钎焊H80黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例28：一种预测Sn、P元素元素调控钎焊接头力学性能(CuSnP钎料，Sn、P含量分别不超过5％、8％；钎焊方法为感应钎焊，钎焊温度925～980℃，时间46～51s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以260mg的CuSnP钎料为焊料、60mm×25mm×2.5mm的H80黄铜为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表28所示：
根据表28可知，随着Sn、P含量增加，SJ值先减小后增大，说明接头的抗拉强度先升高后降低；试验结果表明，随着Sn、P含量增加，CuSnP钎料感应钎焊H80黄铜接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例29：一种预测Sn、Rb元素元素调控钎焊接头力学性能(NiCrSnRb钎料，Sn、Rb含量分别不超过3％、1.2％；钎焊方法为感应钎焊，钎焊温度1050～1150℃，时间45～52s)的方法，其步骤与实施例4相同。
为了验证本发明预测方法的准确性，以265mg的NiCrSnRb钎料为焊料、60mm×25mm×2.5mm的304不锈钢为母材，利用GP-35感应加热设备对钎料、母材进行加热、保温、冷却；然后采用MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如下表29所示：
根据表29可知，随着Sn、Rb含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn、Rb含量增加，AgCuZnSnRb钎料感应钎焊304不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
实施例30：一种预测In元素调控银基钎料钎焊接头力学性能(AgCuIn，In含量不低于10％不超过15.5％；钎焊方法为感应钎焊，钎焊温度800～850℃，时间40～44s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以242mg的AgCuIn钎料为焊料、60mm×25mm×2.5mm的316LN不锈钢为母材，利用GCs-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表30所示：
根据表30可知，随着In含量增加，SJ值逐渐增大，说明钎焊接头的抗拉强度逐渐升高；试验结果表明，随着Sn含量增加，AgCuSn钎料感应钎焊316不锈钢接头的抗拉强度逐渐，试验结果与本发明预测结果相吻合。
实施例31：一种预测Sn元素调控银基钎料钎焊接头力学性能(AgCuSn，Sn含量不低于10％不超过25％；钎焊方法为感应钎焊，钎焊温度800～850℃，时间40～43s)的方法，其步骤与实施例1相同。
为了验证本发明预测方法的准确性，以242mg的AgCuSn钎料为焊料、60mm×25mm×2.5mm的316不锈钢为母材，利用GCs-35感应加热设备对钎料、母材进行加热、保温、冷却；然后MTS万能电子拉伸试验机测试接头的抗拉强度(用σb表示)，与本发明的预测计算结果进行对比。具体数据如表31所示：
根据表31可知，随着Sn含量增加，SJ值先减小后增大，说明钎焊接头的抗拉强度先升高后降低；试验结果表明，随着Sn含量增加，AgCuSn钎料感应钎焊316不锈钢接头的抗拉强度先升高后降低，试验结果与本发明预测结果相吻合。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明整体构思前提下，还可以作出若干改变和改进，这些也应该视为本发明的保护范围。

Claims (6)

1.一种预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：包括以下步骤：
第1步：确定钎焊接头所用的钎料、母材材质；
第2步：测定钎料中各低熔点元素的含量WM％(质量分数)；
第3步：确定钎料熔化温度区间ΔTM；
第4步：将第2步不同低熔点元素的含量WM％扩大100倍和第3步的熔化温度区间数据ΔTM
代入预测数学模型SJ：
其中预测数学模型如下：
这里，n＝1、2、3......分别代表钎料中含有一种、两种、三种......低熔点元素；
第5步：根据上述第4步的数值大小判定钎焊接头的力学性能，数值越小钎焊接头力学性能越好，反之力学性能越差。
2.根据权利要求1所述的预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：所述第2步低熔点元素是In、Ga、Sn、Rb、P中的任意一种或两种及以上。
3.根据权利要求2所述的预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：In、Ga、Sn、Rb、P的质量百分比分别不超过15.5％、6.5％、25％、1.2％、0.9％。
4.根据权利要求1所述的预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：所述钎焊接头所用的钎料为熔化温度高于450℃的硬钎料。
5.根据权利要求4所述的预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：所述钎料为银基、铜基、镍基钎料中的任意一种。
6.根据权利要求1所述的预测低熔点元素调控钎焊接头力学性能的方法，其特征在于：所述母材材质为奥氏体不锈钢、碳钢或黄铜。
CN201710737897.XA 2017-08-24 2017-08-24 一种预测低熔点元素调控钎焊接头力学性能的方法 Active CN107478799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710737897.XA CN107478799B (zh) 2017-08-24 2017-08-24 一种预测低熔点元素调控钎焊接头力学性能的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710737897.XA CN107478799B (zh) 2017-08-24 2017-08-24 一种预测低熔点元素调控钎焊接头力学性能的方法

Publications (2)

Publication Number Publication Date
CN107478799A CN107478799A (zh) 2017-12-15
CN107478799B true CN107478799B (zh) 2019-07-16

Family

ID=60602423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710737897.XA Active CN107478799B (zh) 2017-08-24 2017-08-24 一种预测低熔点元素调控钎焊接头力学性能的方法

Country Status (1)

Country Link
CN (1) CN107478799B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112461656B (zh) * 2020-11-16 2024-06-25 四川石油天然气建设工程有限责任公司 一种利用流变强度检测耐蚀合金复合管焊缝的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103769760A (zh) * 2014-01-14 2014-05-07 浙江新锐焊接材料有限公司 一种低熔点复合自钎铝钎料及其制备方法
CN104181052A (zh) * 2014-07-23 2014-12-03 华东理工大学 钎焊接头力学性能测试方法
CN106769527A (zh) * 2016-12-19 2017-05-31 中国石油大学(华东) 一种钎焊接头钎缝力学参数测试方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01313198A (ja) * 1988-06-10 1989-12-18 Mitsubishi Steel Mfg Co Ltd 低融点低銀ろう材

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103769760A (zh) * 2014-01-14 2014-05-07 浙江新锐焊接材料有限公司 一种低熔点复合自钎铝钎料及其制备方法
CN104181052A (zh) * 2014-07-23 2014-12-03 华东理工大学 钎焊接头力学性能测试方法
CN106769527A (zh) * 2016-12-19 2017-05-31 中国石油大学(华东) 一种钎焊接头钎缝力学参数测试方法

Also Published As

Publication number Publication date
CN107478799A (zh) 2017-12-15

Similar Documents

Publication Publication Date Title
CN110362926A (zh) 一种基于ansys的铜合金平板对接焊热裂纹预测方法
CN104181052A (zh) 钎焊接头力学性能测试方法
CN105842034B (zh) 一种裂纹缺陷试件的制作方法
CN107478799B (zh) 一种预测低熔点元素调控钎焊接头力学性能的方法
Ufuah et al. Elevated temperature mechanical properties of butt-welded connections made with high strength steel grades S355 and S460M
Shankar et al. Effect of nitrogen addition on microstructure and fusion zone cracking in type 316L stainless steel weld metals
Winiowski et al. Impact of tin and nickel on the brazing properties of silver filler metals and on the strength of brazed joints made of stainless steels
CN107505445A (zh) 一种低熔点元素调控银基钎料钎焊接头力学性能的预测方法
Ma et al. Evaluation of weld joint strength reduction factor due to creep in alloy 740H to P92 dissimilar metal weld joint
Kannengiesser et al. Diffusible hydrogen content depending on welding and cooling parameters
CN107421974B (zh) 一种预测低熔点元素调控硬钎料润湿性的方法
CN105397333A (zh) 一种真空环境下使用的铜基钎料
CN108723534A (zh) 一种电解铝阴极钢-铝熔钎焊焊接方法
Afzali et al. Influence of the Plate Thickness on Fracture and Impact Toughness of Duplex Stainless Steels
Kadoi et al. New measurement technique of ductility curve for ductility-dip cracking susceptibility in Alloy 690 welds
Nishikawa et al. Estimation method for liquidus temperature of lead-free solder using differential scanning calorimetry profiles
Anaman et al. Study on the Microstructure and Corresponding Stress Corrosion Cracking Behavior of Joints of Copper Tubes
Duraivelan et al. Investigation on strength of resistance spot welding joint of copper and brass using various filler materials
CN110405376A (zh) 一种铜合金电极帽焊接性能的检测方法
Zhang et al. Study on wettability of low-melting alloy material on copper substrates
Winarno et al. The Influence of Welding Ampere Range to ST-40 Shear Strength with Butt Joint
Xu et al. Toughness of EW Pipe Seam Welds of Contemporary Steels
CN108526658A (zh) 热丝tig焊裂纹敏感性评价方法
Çiçek et al. Invetigations of mechanical properties after dissimilar steels post-weld of Q345B steel
CN221377412U (zh) 搭接焊接头轴向疲劳试样

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant