Effects of Ni Content and Alloying Elements on Electrical Conductivity, Mechanical Properties, and Hot Tearing Susceptibility of Al-Ni-Based Alloys
Notice bibliographique
Résumé
The Aluminum-Nickel alloy system exhibits good potential for rotor applications in electric vehicles, which require good castability, high electrical conductivity (EC), and mechanical strength. In the present study, the microstructure, hot tearing susceptibility (HTS), electrical conductivity, and mechanical properties of binary Al-xNi (x: 1 to 5% wt%) alloys were investigated. The results showed that the Al-1Ni alloy exhibited the highest EC of 57.6% IACS. However, increasing the Ni content to 5% led to a decrease in EC and a significant reduction in HTS. In addition, increasing the Ni content from 1 to 5% slightly enhanced the yield strength from 70.4 to 83.2 MPa showing a weak strengthening effect. The effect of Si and Mg addition on the strength and EC of Al-1Ni alloy was studied. By adding 0.6% Si and 0.6% Mg to the Al-1Ni alloy, the yield strength was enhanced to 156.6 MPa after T5 and 287.5 MPa after T6, respectively, while maintaining a high EC (51% IACS). The significant improvement in yield strength was attributed to the presence of nanosized MgSi precipitates as the strengthening phase, which was confirmed by TEM analysis.
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 ».