MétaCan
Menu
Retour à la cohorte
Enregistrement W2197027887 · doi:10.3139/146.111288

Microstructural evolution during solidification of Al–Cu-based alloys

2015· article· en· W2197027887 sur OpenAlexaff
Gergis Adel Shaker Zaki, A. M. Samuel, H. W. Doty, F. H. Samuel

Notice bibliographique

RevueInternational Journal of Materials Research (formerly Zeitschrift fuer Metallkunde) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésBrinell scaleMaterials scienceMetallurgyAlloyCastingMicrostructureRefining (metallurgy)ScandiumOptical microscopeMicroanalysisTitaniumElectron probe microanalysisScanning electron microscopeElectron microprobeComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The present study focuses on the effect of alloying elements, namely, strontium, titanium, zirconium, scandium and silver, individually or in combination, on the performance of a newly developed Al-2 %Cu-based alloy. A total of thirteen alloy compositions were used in the study. Castings were prepared employing the low pressure die casting technique. The microstructures of selected samples were examined using optical microscopy and electron probe microanalysis. Hardness measurements were also carried out on these alloys using a Brinell hardness tester. The results showed that adding Ti in the amount of 0.15 wt.% in the form of Al-5 %Ti-1 %B master alloy is sufficient to refine the grains in the cast structure in the presence of 200 ppm Sr (0.02 wt.%). Addition of Zr and Sc did not contribute further to the grain refining effect. The main role of addition of these two elements appeared in the formation of complex compounds with Al and Ti. The results obtained from the low pressure die casting samples were compared with those produced using traditional gravity die casting. No heat treatment was applied.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,317
Écart entre enseignants0,272 · 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 tête enseignante, 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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Materials Research (formerly Zeitschrift fuer Metallkunde)Même sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207