MétaCan
Menu
Retour à la cohorte
Enregistrement W2373609315 · doi:10.15344/2455-2372/2015/117

Reciprocating Wear Behavior of Al Alloys: Effect of Porosity and Normal Load

2015· article· en· W2373609315 sur OpenAlexaff
Avijit Sinha, Md. Aminul Islam, Zoheir Farhat

Notice bibliographique

RevueInternational Journal of Metallurgical & Materials Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityPowder metallurgyCompactionMetallurgyReciprocating motionScanning electron microscopeAlloyComposite materialAluminiumTribologyMicrostructureBearing (navigation)

Résumé

récupéré en direct d'OpenAlex

Aluminum alloys are attractive for critical applications such as pistons, clutch housings and liners in automotive industry for their high strength to weight ratio, high corrosion resistance and good heat conductivity. These alloys can be fabricated using casting and powder metallurgy techniques in which porosity is a common feature. The presences of pores adversely affect the mechanical properties and wear resistance of these components. Not only the total area percentage of porosity influences the degradation in properties but also size, shape and interconnectivity of pores play an important role. In this study, aluminum alloys were produced using powder metallurgy technique. The amount of porosity was varied by varying compaction pressure and amount of wax added before compaction. Reciprocating wear tests (ball-on-flat configuration) were performed against AISI 52100 bearing steel ball under both low (1.5- 5N) and high (6-20N) loads. Scanning electron microscopy was employed in order to identify possible wear mechanisms. Both detrimental and beneficial effects of porosity under different loading conditions were observed. An attempt has been made to develop a relationship between pore size and distribution and wear behavior of aluminum alloys.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,028
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,222 · 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

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Metallurgical & Materials EngineeringMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207