MétaCan
Menu
Retour à la cohorte
Enregistrement W4389058309 · doi:10.3390/ma16237375

Effect of Aging Treatment on the Strength and Microstructure of 7075-Based Alloys Containing 2% Li and/or 0.12% Sc

2023· article· en· W4389058309 sur OpenAlexaff
Ali Tahmasbi, Yasser Zedan, Victor Songméné, F. H. Samuel

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMicrostructureMaterials scienceMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

The present study was performed on three versions of 7075 alloy to which Sc or Sc + Li was added. The alloys were subjected to various aging treatments. The microhardness results show that the highest value of hardness was achieved when the alloy containing Li + Sc was aged at 120 °C for 24 h whereas the minimum level was exhibited by the base alloy aged at 280 °C. The results were interpreted in terms of the size and distribution of the main hardening phase (η′(MgZn2)), and the role of the presence of Al and Cu in the used alloy. Precipitation of Al3(Sc, Zr, Ti) phase particles during solidification of the Sc-containing ingots was also discussed. The coarsening and spheroidi-zation of η-phase particles take place through the Ostwald ripening mechanism while smaller par-ticles in solution dissolve and deposit on larger particles. In Sc-containing alloys, star phase particle consists of different layers. The change in the brightness from layer to layer indicates that the Zr and Sc concentrations are varied within the star phase, since the atomic number of Zr (40) is higher than the atomic number of Sc (21). The addition of Sc, as well, leads to marked decrease in the grain size of the as-cast alloys i.e., 300 µm and 45 µm, respectively. The interaction between Li and Sc would reduce the effectiveness of the grain refining effect of Sc. The results of the refining effect of Sc were confirmed using the EBSD technique.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,002
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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.

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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207