MétaCan
Menu
Retour à la cohorte
Enregistrement W3151682906 · doi:10.1155/2021/5551633

Change of Tensile Properties with Aging Time and Temperature in Al‐Si‐Cu‐Mg 354 Cast Alloys with/without Minor Addition of Ni and/or Zr

2021· article· en· W3151682906 sur OpenAlexaff
J. Hernández-Sandoval, M. H. Abdelaziz, E. A. Elsharkawi, A. M. Samuel, F. H. Samuel

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensCégep de ChicoutimiUniversité du Québec à ChicoutimiSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAlloyIntermetallicUltimate tensile strengthLiquidusDuctility (Earth science)MicrostructureMetallurgyPrecipitationZirconiumAluminiumPhase (matter)Creep

Résumé

récupéré en direct d'OpenAlex

The principal aim of the present research work was to investigate the effects of minor additions of nickel and zirconium on the strength of cast aluminum alloy 354 at room temperature (25°C). A decrease in tensile properties of ∼10% with the addition of 0.4 wt.% nickel is attributed to a nickel‐copper reaction which interferes with the formation of Al 2 Cu precipitates. The platelet‐like phases (Al,Si) 3 (Zr,Ni,Fe) and (Al,Si) 3 (Zr,Ti) are the main features observed in the microstructures of the tensile samples of alloys with Zr additions. The reduction in mechanical properties is due to the increase in the percentage of intermetallic phases formed during solidification; such particles would act as stress concentrators, decreasing the alloy ductility. The main effect of Zr addition lies in a significant reduction in the alloy grain size ∼40%, rather than an increase in the mechanical properties. Quality index charts could be used in assessing the effects of the Ni and Zr additions to the base alloy, as well as evaluating the heat treatment relationships to the alloy tensile properties, in particular when the system shows multiple precipitation reactions. Due to the high liquidus temperature of the Al‐Zr binary phase diagram, addition of Zr beyond 0.2% is not recommended to avoid undissolved Zr.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,192
Écart entre enseignants0,185 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207