MétaCan
Menu
Retour à la cohorte
Enregistrement W4385303790 · doi:10.18280/acsm.470301

Effect of Graphite on Mechanical and Tribological Properties of Al6061/SiC Hybrid Composites

2023· article· fr· W4385303790 sur OpenAlexvenueno aff
Siva Sankara Babu Chinka, M. Vijaya, Sneha H. Dhoria, Deva Raj Chilakala, Ranga Raya Chowdary Jarubula, Praveen Kumar Kancharla

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2023
Typearticle
Languefr
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComposite materialMaterials scienceGraphiteTribologyComposite number

Résumé

récupéré en direct d'OpenAlex

This study investigates the effects of incorporating graphite into a Al6061/SiC hybrid metal matrix composite on its mechanical and wear properties.The composites are fabricated using a stir casting technique, with SiC and Graphite particles added in different weight percentages ranging from 2-8%.Mechanical properties such as hardness, tensile strength, flexural strength, and compressive strength are evaluated.Results show that the composite with 6 wt.% of hybrid reinforcement exhibits significant improvement in hardness (30%), tensile strength (10.82%), compressive strength (68.14%), and flexural strength (85%) compared to pure Al6061 alloy.Furthermore, a wear test is performed using a pin-on-disc machine under dry conditions to assess the influence of parameters on the wear rate and coefficient of friction (COF).Tests are conducted at various loads (1-3 kgf), sliding speeds (150-450 rpm), and sliding distances (1000-2000 m).Among all reinforcements, the composite with 6% hybrid reinforcement exhibits the lowest wear rate and COF.Overall, this study provides valuable insights into the mechanical and wear properties of Al6061/SiC/graphite hybrid composites and highlights their potential for various industrial applications.These findings may pave the way for further research in the field of metal matrix composites and their 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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,062
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,004
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,033
Tête enseignante GPT0,253
Écart entre enseignants0,220 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207