MétaCan
Menu
Retour à la cohorte
Enregistrement W1599532883 · doi:10.4236/msa.2015.66059

Effect of Surface Porosity on Tribological Properties of Sintered Pure Al and Al 6061

2015· article· en· W1599532883 sur OpenAlexaff
Avijit Sinha, Zoheir Farhat

Notice bibliographique

RevueMaterials Sciences and Applications · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityTribologyPowder metallurgyReciprocating motionMetallurgyScanning electron microscopeComposite materialAluminiumDuctility (Earth science)Bearing (navigation)Microstructure

Résumé

récupéré en direct d'OpenAlex

Due to light weight, high specific strength, high corrosion resistance and good heat transfer ability, aluminium alloys are becoming attractive for critical structural applications. These alloys can be manufactured using powder metallurgy techniques in which porosity is a common characteristic. The presence of pores is responsible for decreasing effective load bearing cross sectional area and inducing stress concentration sites for strain localization and damage, decreasing both strength and ductility. The present study aims to establish a better understanding of the relationship between surface porosity and corresponding wear behavior. In this study, porous specimens were produced using powder metallurgy technique and the extent of wear damage and the type of wear was investigated under low load range of 1.5 - 5 N against AISI 52100 bearing steel ball using a reciprocating ball-on-flat configuration and frequency of 10 Hz. Scanning electron microscopy of the wear tracks and wear debris was carried out to understand wear mechanisms. This study revealed that due to combined effect of high stress intensity and subsurface cracking, wear rate increases with increasing porosity content. The friction and wear behavior of pure Al and Al 6061 as a function of porosity content can be attributed to their hardness and corresponding wear mechanism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,247
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Sciences and ApplicationsMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207