Investigating the Microstructure and Mechanical Properties of Aluminum-Matrix Reinforced-Graphene Nanosheet Composites Fabricated by Mechanical Milling and Equal-Channel Angular Pressing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Layered-graphene reinforced-metal matrix nanocomposites with excellent mechanical properties and low density are a new class of advanced materials for a broad range of applications. A facile three-step approach based on ultra-sonication for dispersion of graphene nanosheets (GNSs), ball milling for Al-powder mixing with different weight percentages of GNSs, and equal-channel angular pressing for powders' consolidation at 200 °C was applied for nanocomposite fabrication. The Raman analysis revealed that the GNSs in the sample with 0.25 wt.% GNSs were exfoliated by the creation of some defects and disordering. X-ray diffraction and microstructural analysis confirmed that the interaction of the GNSs and the matrix was almost mechanical, interfacial bonding. The density test demonstrated that all samples except the 1 wt.% GNSs were fully densified due to the formation of microvoids, which were observed in the scanning electron microscope analysis. Investigation of the mechanical properties showed that by using Al powders with commercial purity, the 0.25 wt.% GNS sample possessed the maximum hardness, ultimate shear strength, and uniform normal displacement in comparison with the other samples. The highest mechanical properties were observed in the 0.25 wt.% GNSs composite, resulting from the embedding of exfoliated GNSs between Al powders, excellent mechanical bonding, and grain refinement. In contrast, agglomerated GNSs and the existence of microvoids caused deterioration of the mechanical properties in the 1 wt.% GNSs sample.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découle