Effect of V and Zr microalloying, and heat treatment on microstructure and mechanical properties of secondary Al-7Si-3Cu-0.3Mg alloy
Notice bibliographique
Résumé
Abstract The Al–Si–Cu alloys, which are widely used in automotive powertrains, exhibit limited high-temperature strength properties; the high diffusivity of the main strengthening elements Cu and Mg in α-Al at temperatures between 200 and 300 °C is a dominating factor in alloy softening. In this study, effects of slow-diffusing elements (Zr and V) and heat treatment on the microstructure and mechanical properties of secondary Al-7Si-3Cu-0.3Mg alloy were investigated. Majorities of both Zr and V were retained inside the α-Al matrix during solidification. T6 heat treatment induced the solid-state precipitation of multiple, nano-sized particles in α-Al grain interiors. Unlike Cu/Mg-rich strengthening precipitates that form during aging, the Zr/V-rich precipitates formed during solution heat treatment, which indicates high potential for high-temperature strengthening in Al–Si alloys via transition metal addition. Other transition metals, such as Mn, Fe, Cr and Ti, which were present as impurities in the base alloy significantly promoted the formation of nano-sized Zr/V-rich precipitates inside α-Al grains. These thermally more stable precipitates were credited for the enhanced high-temperature strength properties of Al-7Si-3Cu-0.3Mg alloy by ∼20 %.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».