MétaCan
Menu
Retour à la cohorte
Enregistrement W4280608553 · doi:10.1016/j.matpr.2022.05.057

Effect of ultrasonic vibration treatment on microstructure and dry sliding wear characteristics of LM25 aluminum alloy

2022· article· en· W4280608553 sur OpenAlexfundno aff
Rajkumar Wagmare, T.V. Anilkumar, N. D. Prasanna

Notice bibliographique

RevueMaterials Today Proceedings · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Mechanical Engineering, University of AlbertaRamaiah Institute Of Technology
Mots-clésMaterials scienceEquiaxed crystalsAlloyMicrostructureAluminiumMetallurgyGrain sizeUltrasonic sensorVibrationComposite materialAcoustics

Résumé

récupéré en direct d'OpenAlex

Grain refinement studies on Aluminum alloys with the addition of silicon, and magnesium alloys have fascinated considerable attention in the last five decades. Aluminum alloy properties of castings predominately depend on the grain structure formation that takes place inside the material meanwhile the solidification process. In the current investigation, a device has been designed and established to induce high-frequency ultrasonic vibrations to the molten metal at the time of solidification. This paper outlines Ultrasonic frequencies of varied were 10 to 50 kHz in the step of 10 kHz. The amplitude of the experiment was kept constant at 15 V for the entire findings. From the studies, it is found that the size of the grains has been reduced by 40% from coarse to fine equiaxed grains. Hardness value was noted with increased by 57.5% as well as Wear properties of treated LM25 alloy in dry sliding conditions have substantially improved. Wear studies has been carried out using standard pin on disc machine with various altered speeds. The study aims to validate that there are grain refinement and considerable improvement in the wear-resistant properties of the treated alloy.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,002
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,191
Écart entre enseignants0,186 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Today ProceedingsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207