Investigation of the Effect of Aluminium Addition on the Additively Manufactured SS309L Alloy
Notice bibliographique
Résumé
Additive manufacturing (AM) is a highly advanced manufacturing technology that involves metal layers deposition in order to increase the efficiency of component production and costs reduction.Current study includes examining the effects of adding aluminium as an additional alloying element to austenitic stainless-steel SS 309L.Metal Inert Gas (MIG) welding apparatus was used as a heat source for the deposition of the steel in the Wire Arc Additive manufacturing method.Simultaneously during the building process, three different percentages (0, 2.5%, and 5%) of an external aluminium alloy 4043 (E4043) cold wire was introduced into the fusion zone.The focus of the study is to highlight the influence of adding E4043 on the microstructure and mechanical properties of additively manufactured SS309L.For the microstructural investigations, optical microscopy and scanning electron microscopy (SEM) were used, whereas a Vickers microhardness test was used to investigate the effect of these additions on the local mechanical properties.On the other hand, the mechanical behavior of the deposited parts was examined using tensile test.The results of the study demonstrated that the addition of the aluminum alloy is significantly affect the mechanical properties of the deposited portions.The quantity of the added aluminum is discovered to have an influence on the microstructure, hardness, and tensile strength.Moreover, the homogenizing thermal treatment improved the samples' microstructure and overall properties.The found results highlights the importance of considering double wire feeding in additive manufacturing processes to reach the desired microstructural and mechanical properties in the final products.
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 | 0,001 | 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 | 0,001 |
| 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 ».