MétaCan
Menu
Retour à la cohorte
Enregistrement W2919208095 · doi:10.5539/jmsr.v8n2p1

AA2219 Aluminum Alloy Processed via Multi-Axial Forging in Cryogenic and Ambient Environments

2019· article· en· W2919208095 sur OpenAlexvenueno aff
Amin Azimi, Gbadebo Owolabi, Hamid Fallahdoost, Nikhil Kumar, Horace Whitworth, Grant Warner

Notice bibliographique

RevueJournal of Materials Science Research · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensnon disponible
Organismes subventionnairesArmy Research Office
Mots-clésMaterials scienceForgingMicrostructureUltimate tensile strengthDuctility (Earth science)Composite materialAlloyToughnessNanocrystalline materialMetallurgyFractographyCreep

Résumé

récupéré en direct d'OpenAlex

This paper presents the microstructure and the mechanical behavior of nanocrystalline AA2219 processed by multi axial forging (MAF) at ambient and cryogenic temperatures. The X-ray diffraction pattern and transmission electron microscopy micrographs in the initial microstructure characterization indicate a more effective severe plastic deformation during the cryogenic MAF than the same process conducted at room temperature. MAF at cryogenic temperature results in crystallite size reduction to nanoscales as well as second phase particles breakage to finer particles which are the crucial factors to increasing the mechanical properties of the material. Fractography analysis and tensile tests results show that cryogenic forging does not only increase the mechanical strength and toughness of the alloys significantly, but also improves the ductility of the material in comparison with the conventional forging. In this comparative regard, cryogenic processing provides 44% increase in the tensile strength of the material only after 2 forging cycles when compared to the room temperature process. In addition, further forging process to the next cycles slightly enhances the tensile strength at the expense of ductility due to less ability of the dislocations to accumulate. However, the ductility of the ambient temperature forged samples decreases at a faster rate than that of cryoforged samples.

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)0,010
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 enseignants0,009
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,045
Tête enseignante GPT0,332
Écart entre enseignants0,287 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMicrostructure and mechanical propertiesTravaux en français237 207