MétaCan
Menu
Retour à la cohorte
Enregistrement W4390768909 · doi:10.1016/j.jmrt.2024.01.080

Effect of processing parameters on the microhardness, shear, and tensile properties of layer-cladded Inconel 718

2024· article· en· W4390768909 sur OpenAlexaff
Ruirui Dai, Zhenyang Xu, Qiang Gao, Marco Alfano, Junfeng Yuan

Notice bibliographique

RevueJournal of Materials Research and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceUltimate tensile strengthInconelIndentation hardnessComposite materialAlloyMetallurgyMicrostructure

Résumé

récupéré en direct d'OpenAlex

Inconel 718 alloy (IN718) is a popular choice for aerospace hot-end components due to its exceptional mechanical properties. This study investigates the impact of processing parameters (i.e., laser power, powder feeding rate, and scanning speed) on the microhardness, bond strength, and tensile strength of layer-cladded IN718. The results show that IN718 coatings have high microhardness (277.15 HV0.1), strong metallurgical bonding strength (33.97 kN), substantial yield strength (794.09 MPa), impressive ultimate tensile strength (1171.81 MPa), and notable elongation at failure (8.24 %) under laser power is 1.2 kW, powder feeding rate is 250 mg/s, and scanning speed is 4.5 mm/s. In particular, decreased laser energy input enhances microhardness, yield strength, and ultimate tensile strength but reduces bonding strength and elongation. This is attributed to improved Nb element segregation, the reduction of the Laves phase, and grain refinement. However, inadequate energy input leads to cracks and unmelted powder, negatively affecting metallurgical bonding strength. The shear and tensile fracture mechanism of the IN718 coatings is a typical ductile fracture with a microvoid accumulation fracture. The study can facilitate the fabrication of the IN718 coatings with the excellent mechanical properties and the applications in the engineering field.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,036
Tête enseignante GPT0,287
Écart entre enseignants0,251 · 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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207