Metallurgical Parameters Controlling the Eutectic Silicon Charateristics in Be-Treated Al-Si-Mg Alloys
Notice bibliographique
Résumé
The present work was carried out on Al-7%Si-0.4%Mg-X alloy (where X = Mg, Fe, Sr or Be), where the effect of solidification rate on the eutectic silicon characteristics was investigated. Two solidification rates corresponding to dendrite arm spacings (DAS) of 24 and 65 μm were employed. Samples with 24 μm DAS were solution heat-treated at 540 °C for 5 and 12 h prior to quenching in warm water at 65 °C. Eutectic Si particle charateristics were measured using an image analyzer. The results show that the addition of 0.05% Be leads to partial modification of the Si particles. Full modification was only obtained when Sr was added in an amount of 150-200 ppm, depending on the applied solidification rate. Increasing the amount of Mg to 0.8% in Sr-modified alloys leads to a reduction in the effectiveness of Sr as the main modifier. Similar observations were made when the Fe content was increased in Be-treated alloys due to the Be-Fe interaction. Over-modification results in the precipitation of hard Sr-rich particles, mainly Al₄SrSi₂, whereas overheating causes incipient melting of the Al-Cu eutectic and hence the surrounding matrix. Both factors lead to a deterioration in the alloy mechanical properties. Furthermore, the presence of long, acicular Si particles accelerates the occurrence of fracture and, as a result, yields poor ductility. In low iron (less than 0.1 wt%) Al-Si-Mg alloys, the mechanical properties in the as cast, as well as heat treated conditions, are mainly controlled by the eutectic Si charatersitics. Increasing the iron content and, hence, the volume fraction of Fe-based intermetallics leads to a complex fracture mode.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».