MétaCan
Menu
Retour à la cohorte
Enregistrement W4384937990 · doi:10.1016/j.matchar.2023.113204

Comparative assessment of gas and water atomized powders for additive manufacturing of 316 L stainless steel: Microstructure, mechanical properties, and corrosion resistance

2023· article· en· W4384937990 sur OpenAlexaff
Mohammad Reza Jandaghi, Hesam Pouraliakbar, Leonardo Iannucci, Vahid Fallah, Matteo Pavese

Notice bibliographique

RevueMaterials Characterization · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMicrostructureUltimate tensile strengthWork hardeningComposite materialGrain boundaryToughnessMetallurgyGrain size

Résumé

récupéré en direct d'OpenAlex

In this study, the microstructure, and mechanical properties of 316 L stainless steel (SS316L) produced by laser powder bed fusion (LPBF) using water-atomized (WA) and gas-atomized (GA) powders were compared. The results showed that the use of WA powder, with a finer average particle size and better spreadability, led to significantly higher values of tensile strength (UTS), yield strength (YS), elongation (El%), and toughness in the WA samples (728 MPa, 580 MPa, 31.8%, and 215 J/m 3 , respectively) compared to the GA sample (602 MPa, 503 MPa, 25.2%, 145 J/m 3 , respectively). The WA samples also exhibited a non-uniform hardness distribution and superior work-hardening rate due to the presence of multiple inclusions that tightly bound to the matrix and created stress fields, increasing the required energy for dislocation motion . The higher solidification rate of melt pools in the WA sample left more intensive residual stress with distorted grains, exhibiting a higher grain orientation spread (GOS). Additionally, a multitude of geometrically necessary dislocations (GNDs) formed around the boundaries of elongated grains with tilted boundaries to maintain lattice continuity, resulting in a higher kernel average misorientation (KAM) and congestion of low-angle grain boundaries (LAGBs), particularly in the WA sample. XRD patterns confirmed the higher lattice distortion in the WA sample, and the smaller cellular structures observed in SEM images were consistent with the higher dislocation density observed in the WA specimens. Finally, the WA sample exhibited lower surface roughness and rather higher resistance to corrosive media containing chlorides.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,021
Tête enseignante GPT0,237
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations66
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials CharacterizationMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207