MétaCan
Menu
Retour à la cohorte
Enregistrement W3002645942 · doi:10.1088/2053-1591/ab6ef0

Foaming of friction stir processed Al/MgCO <sub>3</sub> precursor via flame heating

2020· article· en· W3002645942 sur OpenAlexaff
Rohit Shandley, Sachin Maheshwari, Arshad Noor Siddiquee, Sohail M.A.K. Mohammed, D.L. Chen

Notice bibliographique

RevueMaterials Research Express · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFriction stir processingFoaming agentMicrostructureAluminiumMetal foamAlloyComposite materialMagnesiumMetalMetallurgyPorosity

Résumé

récupéré en direct d'OpenAlex

Abstract In the recent years, metal foams have become promising candidate materials in the engineering sector owing to their light weight and excellent energy absorption properties. Friction stir processing (FSP) has emerged as a cost-effective route to fabricate metal foam precursors from bulk substrates. Although the short processing time in FSP is able to provide high productivity, the cost of the foaming agent, TiH 2 in the case of aluminum foams is still high. This paper introduces flame heating to achieve localized foaming of aluminum alloy AA5754 to explore the possibility of using magnesium carbonate as a foaming agent stirred using multi-pass FSP. A specially designed slot based strategy using two plates arranged in lap configuration is devised to stir the foaming agent and understand the material movement after each subsequent pass. Microscopy techniques were carried out to evaluate the distribution of the foaming agent after each pass and the resulting microstructure of the processed plates as well as the morphology of the foamed sample. EDX results showed higher Mg and O content around the pore walls.

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)0,001
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 enseignants0,017
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,041
Tête enseignante GPT0,273
Écart entre enseignants0,232 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Research ExpressMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207