Enhanced Elevated-Temperature Strength and Creep Resistance of Dispersion-Strengthened Al-Mg-Si-Mn AA6082 Alloys through Modified Processing Route
Notice bibliographique
Résumé
In the present work, we investigated the possibility of introducing fine and densely distributed α-Al(MnFe)Si dispersoids into the microstructure of extruded Al-Mg-Si-Mn AA6082 alloys containing 0.5 and 1 wt % Mn through tailoring the processing route as well as their effects on room- and elevated-temperature strength and creep resistance. The results show that the fine dispersoids formed during low-temperature homogenization experienced less coarsening when subsequently extruded at 350 °C than when subjected to a more typical high-temperature extrusion at 500 °C. After aging, a significant strengthening effect was produced by β″ precipitates in all conditions studied. Fine dispersoids offered complimentary strengthening, further enhancing the room-temperature compressive yield strength by up to 72–77 MPa (≈28%) relative to the alloy with coarse dispersoids. During thermal exposure at 300 °C for 100 h, β″ precipitates transformed into undesirable β-Mg2Si, while thermally stable dispersoids provided the predominant elevated-temperature strengthening effect. Compared to the base case with coarse dispersoids, fine and densely distributed dispersoids with the new processing route more than doubled the yield strength at 300 °C. In addition, finer dispersoids obtained by extrusion at 350 °C improved the yield strength at 300 °C by 17% compared to that at 500 °C. The creep resistance at 300 °C was greatly improved by an order of magnitude from the coarse dispersoid condition to one containing fine and densely distributed dispersoids, highlighting the high efficacy of the new processing route in enhancing the elevated-temperature properties of extruded Al-Mg-Si-Mn alloys.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».