Lightweight Metal/Polymer/Metal Sandwich Composites for Automotive Applications
Notice bibliographique
Résumé
Sandwich composites are becoming increasingly popular in the automotive sector as they are lightweight and facilitate noise attenuation. However, given that sandwich composites are relatively new in the sector, there are questions as to whether they can effectively replace monolithic metals and damping patches without compromising mechanical performance. Quiet Aluminum®, a sandwich composite produced by Material Sciences Corporation (MSC), employs as skins two aluminum alloys that are common in automotive manufacturing: 5754-O and 6061-T4. The current study examines and compares the mechanical properties of Quiet Aluminum® with the main Fiat Chrysler Automobiles (FCA) requirements for laminates with non-structural loads. The adhesion mechanism between the layers of the sandwich composites received was examined through: T-Peel test, roughness measurements and metallographic cross sectioning technique. The current study then employed tensile tests with different treatments applied to the sandwich materials, a Self-Piercing Riveting (SPR) joining evaluation, and hardness tests on the core section of the aluminum skins. The samples, which presented rolling mill-finish surface roughness range of 0.46−0.56 , met the FCA adhesion requirements with adhesive failure mode even after the paint bake-cycle simulation (20 at 185℃) and the hardening treatment applied on the sandwich with AA6061-T4 skin (1ℎ at 200℃ ). The tensile properties, computed simulating stamping process (2% pre-applied strain), the paint-bake cycle and the hardening treatment were comparable to the monolithic ones. Finally, SPR technique, evaluated through lap shear test and macro-graphic measurements, successfully joined Quiet Aluminum® samples (1.06 thickness) with structural High Strength Low Alloy steel ( ,1.8 thickness and 340 minimum yield strength).
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 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».