Solidification Kinetics of an Al-Ce Alloy with Additions of Ni and Mn
Notice bibliographique
Résumé
Heat-treated aluminum–silicon (Al-Si)-based alloys have dominated the cast lightweight alloy industry for several decades. However, in the last decade, Al-Ce-based alloys have shown promise in replacing Al-Si alloys as they remove the need for costly heat treatments. As the properties of Al-Ce alloys depend on the as-cast microstructure, it is important to characterize the solidification kinetics of these alloys. Therefore, this study focused on characterizing the solidification of an Al-Ce alloy with additions of Ni and Mn (nominal composition Al-12.37Ce-3.26Ni-0.94Mn-0.12Fe in weight percent). The alloy was cast in a wedge mold configuration, resulting in cooling rates between 0.18 and 14.27 °C/s. Scanning electron microscopy (SEM) coupled with the energy dispersive x-ray spectroscopy (EDS) and differential scanning calorimetry (DSC) techniques characterized the evolution rate of solid phases. The SEM/EDS data revealed that an Al10CeMn2 phase was present at higher cooling rates. At lower cooling rates, near the center of the casting, a primary Al23Ce4Ni6 phase was more present. It was observed that up to 2.6 atomic percent (at.%) of Mn was dissolved in this primary Al23Ce4Ni6 phase, thereby removing a large portion of the available Mn for forming the Al10CeMn2 phase. DSC analysis showed differences in the samples’ liquidus temperatures, which indicated compositional variations. Inductively coupled plasma–atomic emission spectroscopy (ICP-OES) and Scheil solidification simulations correlated the compositional differences with phase formation, which agreed with the SEM and DSC results. This experiment provides insight into novel Al-Ce-Ni-Mn alloys and where their potential lies in industrial applications.
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 ».