Effect of Platform Temperature and Post-Processing Heat Treatment on the Fatigue Life of Additively Manufactured AlSi7Mg Alloy
Notice bibliographique
Résumé
The effect of platform temperature combined with a T5 heat treatment on the fatigue life of additively manufactured aluminum alloy AlSi7Mg was characterized and understood. High-cycle fatigue tests were carried out on samples built with four platform temperatures (35 °C, 60 °C, 80 °C and 200 °C) and post-processing heat treatment strategies (F and T5). Microstructural and fractographic observations combined with microhardness measurements were performed. A log-normal statistical distribution regressed with 90% B-basis probabilities of survival revealed that specimens produced on a platform maintained at 80 °C and post-processed with a T5 heat treatment presented the highest fatigue life among the conditions tested. Precipitation of silicon within the aluminum cells during the T5 heat treatment is the proposed explanation for the improved fatigue life of the T5 samples. In the as-built condition, specimens produced at 200 °C were found to be less resistant to fatigue than the specimens built at lower temperatures. The coarser microstructure and lowest microhardness resulting from high-temperature manufacturing explain this reduced fatigue strength. All fatigue cracks initiated from manufacturing discontinuities. This led to a fatigue life prediction model based upon linear elastic fracture mechanics. The model was fitted to the experimental results of the F and T5 samples separately. With the exception of the 35 °C—T5 specimens, the predicted fatigue lives agree with the experimental results and literature.
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) | 0,000 | 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 ».