On the Effect of Selective Laser Melting Process Parameters on the Microstructure and Mechanical Properties of Al Alloys
Notice bibliographique
Résumé
Additive manufacturing (AM) offers customization of microstructure and mechanical properties of fabricated components according to the material selected, and process parameters applied. Selective laser melting (SLM) is the commonly used technique for processing high strength aluminum alloys. Selection of SLM process parameters could control the microstructure of parts and their mechanical properties. However, the process parameters limit and defects obtained inside the as-built parts present obstacles to customized part production. This study investigates the influence of SLM process parameters on the quality of as-built Al6061 and AlSi10Mg parts according to the mutual connection between the microstructure characteristics and mechanical properties. The microstructure of both materials was characterized for different parts processed over a wide range of SLM process parameters. The optimized SLM parameters were investigated to eliminate the internal microstructure defects. The behaviour of mechanical properties of parts was presented through regression models generated from the design of experiment (DOE) analysis for the results of hardness, ultimate tensile strength, and yield strength. A comparison between the results obtained and that reported in the literature is presented to illustrate the influence of process parameters, build environment, and powder characteristics on the quality of parts produced. The results obtained from this study could help to customize the part’s quality by satisfying their design requirements in addition to reducing the as-built defects which in turn reduce the amount of the post-processing needed.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».