Grain disintegration and dynamic recrystallization during impact tests of additively manufactured nickel-based alloy 718
Notice bibliographique
Résumé
The high-temperature dynamic mechanical response of Alloy 718 produced via laser-powder bed fusion (LPBF) was investigated through compressive Split-Hopkinson Pressure Bar (SHPB) tests. Simulating the typical service conditions of Alloy 718, the tests were conducted at temperatures ranging from 298 K to 773 K and at strain rates of 1000 s −1 to 1500 s −1 . Phenomenological material constitutive models, such as the modified versions of Johnson-Cook and Hensel-Spittel models, were developed based on the SHPB test results. Analysis of microstructural evolution under impact conditions highlighted that columnar grains with high Schmid factors tend to undergo preferential activation and dislocation pile-up. This process leads to the formation of adiabatic shear bands, grain disintegration, and intense lattice rotation, particularly at higher strain rates. Furthermore, increasing the dynamic deformation temperature facilitates the activation of discontinuous dynamic recrystallization (DRX), with strain accumulation promoting localized grain nucleation along heavily dislocated dendritic boundaries. Recognizing the limitations of phenomenological material constitutive models in accurately representing the underlying microstructural evolution, an artificial neural network (ANN)-based constitutive model employing a three-layer backpropagation learning algorithm was implemented, reducing the Average Absolute Relative Error (AARE) to 0.17%.
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 | 0,001 | 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 ».