Reduction of Hot Tears: Alloy and Casting Process Optimization Using Neutron Diffraction
Notice bibliographique
Résumé
The continued need of vehicle weight reduction provides impetus for research into the development of novel automotive casting alloys and their processing technologies. Where possible, ferrous components are being replaced by aluminum (Al) and magnesium (Mg) alloy counterparts. This transition, however, requires a systematic optimization of the alloys and their manufacturing processes to enable production of defect-free castings. In this context, prevention of hot tears remains a challenge for Al and Mg alloy thin-wall castings. Hot tears form in semi-solid alloy subjected to localized tensile stress. Classical methods of stress measurement present numerous experimental limitations. In this research, neutron diffraction (ND) was used as a novel tool to obtain stress maps of castings and to quantify the effect of two processes used to eliminate hot tears in permanent mold castings: 1) increasing of the mold temperature during casting of Mg alloys, and 2) grain refinement of Al alloys. In case of the AZ91D Mg alloy, the ND results indicate that increasing the mold temperature effectively decreased the level of tensile strain in a casting region with a geometric stress concentration, thereby preventing nucleation of hot tears. In the case of the B206 Al alloy, hot tearing was alleviated by the addition of 0.05 wt% Ti-B grain refiner and the ND mapping revealed a decrease in the stress level along with enhanced stress uniformity across the casting.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».