MétaCan
Menu
Retour à la cohorte
Enregistrement W4392361077 · doi:10.1016/j.msea.2024.146275

Impact of hot rolling temperature on the mechanical properties and microstructural evolution of hot/cold-rolled AA5083 with Sc and Zr microalloying

2024· article· en· W4392361077 sur OpenAlexafffund
Ahmed Y. Algendy, Paul Rometsch, X.-Grant Chen

Notice bibliographique

RevueMaterials Science and Engineering A · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensRio Tinto (Canada)Université du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceRecrystallization (geology)MicrostructureMetallurgyUltimate tensile strengthAnnealing (glass)AlloyHot rolledGrain sizeStrengthening mechanisms of materials

Résumé

récupéré en direct d'OpenAlex

The impact of hot rolling temperature on the microstructure evolution and mechanical properties of hot/cold-rolled AA5083 alloy containing Sc and Zr was studied. The results revealed that low hot-rolling temperatures (LHRT: 400–425 oC) resulted in superior tensile properties compared to high hot-rolling temperatures (HHRT: 500–525 oC). The yield strength (YS) of the LHRT samples reached 450 MPa in the H18-temper and 291 MPa in the O-temper, which was respectively 20% and 39% higher relative to the HHRT samples. Microalloying with Sc/Zr and two-step homogenization promoted the formation of dispersed particles in the form of Mn-dispersoids and nanosized Al3(Sc,Zr) precipitates. The rolling temperature was found to have a profound impact on the characteristics of these dispersed particles and on the recrystallization resistance. The HHRT caused the coarsening of both dispersed particles during rolling. The LHRT preserved the deformed elongated grain structure due to a stronger retardation of recovery and recrystallization during hot rolling and post-annealing. The strengthening mechanisms of the Mn-dispersoids and Al3(Sc,Zr) precipitates were quantitatively analyzed based on particle characteristics. The predicted YS contributions in the O-temper were in good agreement with the measured YS difference between the LHRT and HHRT samples.

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 enseignants0,015
Score d'incertitude au seuil0,482

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 Opus0,008
Tête enseignante GPT0,184
Écart entre enseignants0,177 · 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

Citations20
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials Science and Engineering AMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207