Multi-response Optimization of the Mechanical and Metallurgical Properties of Al7075-T6 Deposition Process on Al2024-T351 by Friction Surfacing Using RSM and the Desirability Approach
Notice bibliographique
Résumé
Coating plays a significant role in surface engineering, which leads to the improvement of the mechanical and metallurgical properties of products. It also brings about economic benefits thanks to the cost savings of the improved properties of the surface of a product in particular. Friction surfacing is a relatively new way to create a homogeneous, fine-grained coating with amended resistance to wear and corrosion. In this study, the deposition of Al7075-T6 coating on Al2024-T351 substrates is investigated. Response surface methodology is implemented to study the effects of the rotational speed, axial force, and feed rate on the mechanical properties and microstructure of the specimens. Coating width, coating thickness, ultimate tensile strength, and grain size of coating are considered as the output responses. The input parameters are optimized to attain a wider and thicker coating with higher ultimate tensile strength and of course smaller grain size. Results display the joining of two materials without any porosity at the interface. Moreover, an entirely fine-grained homogeneous microstructure of the deposition is observed. Furthermore, the average grain size of the deposition is diminished by 65% compared to the consumable rod.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».