Investigating the Effect of Heat Treatment on the Microstructure and Hardness of Aluminum-Lithium Alloys
Notice bibliographique
Résumé
In this study, the effects of heat treatment on the microstructure and strength (micro-hardness) of an aluminum–lithium (Al-Li) base alloy containing copper (Cu) and scandium (Sc) were investigated, with a view to enhancing the alloy performance for aerospace applications. The heat treatment conditions were investigated to understand the precipitation behavior and the mechanisms involved in strengthening. Aging was carried out at temperatures of 130 °C and 150 °C for aging times of 1 h, 2.5 h, 5 h, 10 h, 15 h, 25 h, 35 h, and 45 h at each temperature for Al-Li alloy and at 160 °C, 180 °C, and 200 °C for aging times of 5 h, 10 h, 15 h, 20 h, 25 h, and 30 h at each temperature for Al-Li-Cu and Al-Li-Cu-Sc alloys. The investigation revealed that both solution heat treatment and artificial aging had a notable impact on strengthening the hardness of the alloy. This effect was attributed to the characteristics of the precipitates, including their type, size, number density, and distribution. The addition of copper (Cu) and scandium (Sc) was observed to have an impact on grain size refinement, while Cu addition specifically affected the precipitation behavior of the alloy. It led to remarkable changes in the number density, size, and distribution of T1 (Al2CuLi) and θ’ (Al2Cu) phases. As a result, the hardness of the alloy was significantly improved after the addition of Cu and Sc, in comparison with the base Al-Li alloy. The best heat treatment process was determined as: 580 °C/1 h solution treatment +150 °C/45 h artificial aging for Al-Li alloy and 505 °C/5 h solution treatment +180 °C/20 h artificial aging for Al-Li-Cu and Al-Li-Cu-Sc alloys.
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 ».