MétaCan
Menu
Retour à la cohorte
Enregistrement W2793722447 · doi:10.3390/met8030155

The Influence of Cu Addition on Dispersoid Formation and Mechanical Properties of Al-Mn-Mg 3004 Alloy

2018· article· en· W2793722447 sur OpenAlexafffund
Zhen Li, Zhan Zhang, X.-Grant Chen

Notice bibliographique

RevueMetals · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceNucleationPrecipitationAlloyMetallurgyCreepSolid solution strengtheningSolid solutionPrecipitation hardeningMetastabilityThermal stabilityYield (engineering)Chemical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

The effect of Cu addition on dispersoid precipitation, mechanical properties and creep resistance was investigated in an Al-Mn-Mg 3004 alloy. The addition of Cu promoted dispersoid precipitation by increasing the number density and decreasing the size of dispersoids. Metastable β′-Mg2Si and Q-AlCuMgSi precipitates were observed during the heating process and both could provide favorable nucleation sites for dispersoid precipitation. The addition of Cu improved the thermal stability of dispersoids during a long-term thermal holding at 350 °C for 500 h. Results of mechanical testing show that the addition of Cu remarkably improved the hardness at room temperature, as well as the yield strength and creep resistance at 300 °C, which was mainly attributed to dispersoid strengthening and Cu solid solution strengthening. The yield strength contribution at 300 °C was quantitatively evaluated based on the dispersoid, solid solution and matrix contributions. It was confirmed that dispersoid strengthening is the main strengthening mechanism in the experimental 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)0,000
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 enseignants0,007
Score d'incertitude au seuil0,251

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 savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,188 · 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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207