Effect of Dispersoids and Intermetallics on Hardening the Al‐Si‐Cu‐Mg Cast Alloys
Notice bibliographique
Résumé
The principal aim of the present research work was to compare the role of dispersoids Al 2 O 3 (∼15 μ m average particle size) and SiC (∼15 μ m average particle size) with that offered by Zr‐ and Ni‐based intermetallics (∼35–70 μ m average particle size) on the hardening of cast aluminum 354 alloy (9.1% Si, 0.12% Fe, 1.8% Cu, 0.008% Mn, 0.6% Mg, and 87.6% Al) at ambient temperature. There is no observable poisoning effect on the refinement of grain size after the addition of Zr to the alloys investigated in this study. The tensile test results were examined in light of the microstructural features of the corresponding alloy samples. The contribution of the added dispersoids or Ni and Zr alloying elements on the tensile properties of the 354 alloys was determined employing ∆P plots (where P = Property, UTS, YS, or %El), using the base alloy (in the as‐cast condition) as a reference point. The tensile results were supported by investigating the precipitation‐hardening phases using scanning and transmission electron microscopy as well as examining the fracture surfaces of selected conditions applying field emission scanning electron microscopy. The results show that, in all cases, Al 2 Cu phase is the main hardening agent. The contribution of about 1.5 vol% of SiC or Al 2 O 3 to the strength of the base alloy is higher than that offered by Zr‐ and Ni‐based intermetallics, under the same aging treatment.
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 ».