The Role of Mg Content and Aging Treatment on the Tensile and Fatigue Properties of Die-Cast 380 Alloy
Notice bibliographique
Résumé
The main objective of this contribution was to determine the impact of magnesium (Mg) concentration and solidification rate (about 800 °C/s) on the mechanical properties of commercial A380.1 die-cast alloy. Respective amounts of 0.10%, 0.30%, and 0.50% Mg were used to establish their influence on the main tensile properties, namely, the ultimate limit, the elastic limit, and the percentage of elongation to fracture. The study also focused on the effect of magnesium on the fatigue behavior of A380.1 alloy where the role of surface defects and internal defects (porosity, oxide films, and inclusions) on the alloy fatigue life was also determined. The tensile properties were analyzed in order to optimize the heat treatments of T6 (under-aging) and T7 (over-aging). Consequently, the influence of several parameters was evaluated using tensile testing and optical and scanning electron micrography. Fatigue strength was investigated by performing rotational bending tests. The results show that the alloy tensile strength parameters improve with up to 0.3% Mg. Further addition of Mg, i.e., 0.5%, does not produce any significant improvement with respect to either traction or fatigue. It is observed that the tensile properties fluctuate according to the Guinier-Preston zones which occur during heat treatment, while the fatigue properties decrease as the Mg content increases. In contrast to a mechanical fatigue failure mechanism, in the present study, cracks were initiated at the sample's outer surface and then propagated toward the center.
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 ».