Laser Additive Manufacturing Of High Reflectivity Aluminium Alloys
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
As metal additive manufacturing (AM) technologies are increasingly adopted for end-use products, the bank of materials manufactured by this technology are bound to grow at a rapid rate. AM is often deployed as it enables the ability to manufacture components with high geometric complexity and has the potential to reduce cost and lead times. Ultimately, there is a potential to locally tailor material properties from the microscale to the macroscale using this approach. The AM of each material comes with its own set of challengesthe most common issues being porosity and residual stresses due to the localized thermal loads, particularly for the laser powder bed fusion (LPBF) AM technology, which currently has the highest industrial uptake. The issue of porosity in particularly critical for the automotive, aerospace, and defense industries wherein aluminium (Al) alloys are commonly used. Aluminium alloys commonly contain highly volatile elements, which when interacting with the low beam spot sizes (<100 m) of most common LPBF systems are very easily vaporized, leading to multiple issues such as porosity and cracks in the final printed part. In this work, a combination of physics-driven LPBF processing diagrams, beam path planning, and advanced material characterization equipment including X-ray computed tomography and surface profilometry are used to understand the effect of laser power, scan speed, and beam spot radius on the porosity of two aluminium alloys -AlSi10Mg and Scalmalloy , with reported densities >99.98%. Additionally, the influence of the LPBF processing parameters on microstructure of these alloys and thereby on the surface roughness and mechanical properties such as hardness and tensile strength is highlighted.
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) | 0,000 | 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 | 0,001 |
| 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