MétaCan
Menu
Retour à la cohorte
Enregistrement W2754383737 · doi:10.3390/met7090370

Effects of Post-Sinter Processing on an Al–Zn–Mg–Cu Powder Metallurgy Alloy

2017· article· en· W2754383737 sur OpenAlexafffund
Matthew Harding, I.W. Donaldson, R.L. Hexemer, Donald Bishop

Notice bibliographique

RevueMetals · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensDalhousie University
Organismes subventionnairesAUTO21 Network of Centres of ExcellenceNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials sciencePowder metallurgyMetallurgyShot peeningAlloyDifferential scanning calorimetryUltimate tensile strengthPeeningResidual stressMicrostructureComposite material

Résumé

récupéré en direct d'OpenAlex

The objective of this work was to study the effects of several post-sinter processing operations (heat-treatment, sizing, shot peening) on a press-and-sinter 7xxx series aluminum powder metallurgy (PM) alloy. The characterization of the products was completed through a combination of non-contact surface profiling, hardness measurements, differential scanning calorimetry (DSC), transmission electron microscopy (TEM), X-ray diffraction (XRD), tensile, and three-point bend fatigue testing. It was determined that sizing in the as-quenched state imparted appreciable reductions in surface hardness (78 HRB) and fatigue strength (168 MPa) relative to counterpart specimens that were sized prior to solutionizing (85 HRB and 228 MPa). These declines in performance were ascribed to the annihilation of quenched in vacancies that subsequently altered the nature of precipitates within the finished product. The system responded well to shot peening, as this process increased fatigue strength to 294 MPa. However, thermal exposure at 353 K (80 °C) and 433 K (160 °C) then reduced fatigue performance to 260 MPa and 173 MPa, respectively, as a result of residual stress relaxation and in-situ over-aging.

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)0,000
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 enseignants0,035
Score d'incertitude au seuil0,939

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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

Citations13
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207