A Quantitative Phase Analysis by Neutron Diffraction of Conventional and Advanced Aluminum Alloys Thermally Conditioned for Elevated-Temperature Applications
Notice bibliographique
Résumé
As the issue of climate change becomes more prevalent, engineers have focused on developing lightweight Al alloys capable of increasing the power density of powertrains. The characterization of these alloys has been focused on mechanical properties and less on the fundamental response of microstructures to achieve these properties. Therefore, this study assesses the quality of the microstructure of two high-temperature Al alloys (A356 + 3.5RE and Al-8Ce-10Mg), comparing them to T6 A356. These alloys underwent thermal conditioning at 250 and 300 °C for 200 h. Time-of-flight neutron diffraction experiments were performed before and after conditioning. The phase evolution was quantified using Rietveld refinement. It was found that the Si phase grows significantly (13–24%) in T6 A356, A356 + 3.5RE, and T6 A356 + 3.5RE alloys, which is typically correlated with a reduction in mechanical properties. Subjecting the A356 3.5RE alloy to a T6 heat treatment stabilizes the orthorhombic Al4Ce3Si6 and monoclinic β-Al5FeSi phases, making them resistant to thermal conditioning. These two phases are known for enhancing mechanical properties. Additionally, the T6 treatment reduced the vol.% of the cubic Al20CeTi2 and hexagonal ᴨ-Al9FeSi3Mg5 phases by 13% and 23%, respectively. These phases have detrimental mechanical properties. The Al-8Ce-10Mg alloy cubic β-Al3Mg2 phase showed significant growth (82–101%) in response to conditioning, while the orthorhombic Al11Ce3 phase remained stable. The growth of the beta phase is known to decrease the mechanical properties of this alloy. These efforts give valuable insight into how these alloys will perform and evolve in demanding high-temperature environments.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».