Investigating Corrosion and Surface Hardness of Al6061 in Machining Fluids with Variable CNT Concentrations
Notice bibliographique
Résumé
This project investigates the corrosion tendency of various machining fluids on Al6061 alloy for a sustainable cutting process.Also, the surface of the machining workpiece was analysed to understand the effect of the carbon nanotubes (CNTs) on the surface morphology that assists the cutting conversion of the sliding friction to the rolling process.The study used a two-step process to create machining fluid with CNT nanoparticles at different percentage concentrations.The soluble oil (sample B1), mineral oil (sample B2), 0.2-g/l-CNTs nano-mineral machining fluid (sample B3), 0.4-g/l-CNTs nano-mineral machining fluid (sample B4), and 0.6-g/l-CNTs nano-mineral machining fluid (sample 5) makes up the corrosion study medium.The corrosion study was conducted using polarisation resistance and potentiodynamic corrosion techniques.After the corrosion study, the Vickers micro-hardness machine was employed to evaluate the surface hardness of the normal face region subjected to the corrosion study.The SEM and EDS were also used to investigate the microstructure and elemental composition of the machining fluid impacts on the Al 6061 alloy.The results show that the soluble oil has a high corrosion rate of 0.03590591 (mm/year), with a list polarisation resistance rate of 8,432.83(Ω) compared to the other machining fluid employed in this study.Furthermore, the 0.6-g/l-CNTs nano-mineral machining fluid has the lowest corrosion rate of 0.0013197 (mm/year) and the highest polarisation resistance of 32,941.67(Ω).The 0.6-g/l-CNTs presence in the mineral oil increases the rheological and tribological properties, which results in an outstanding performance in the corrosion study.Furthermore, the CNTs hardened the surface of the workpiece due to the carbon element deposition during the implementation of the cutting fluid.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».