An EBSD study on microstructure and texture development in graphene-reinforced Al–Mg–Si nanocomposites via FSP
Notice bibliographique
Résumé
This study investigates the microstructure evolution and texture development of friction stir processed (FSP) AA6061-T6 Al–Mg–Si matrix composites reinforced with graphene nanoplatelets . Using electron backscatter diffraction (EBSD), we studied changes in grain boundary characteristics and texture components. As heat input increases, the Zener-Hollomon parameter decreases, causing grain size to grow. Particles, including those of Fe-rich and Mg 2 Si nature, also coarsen from average sizes of 0.9–1.4 μm, and 0.2–0.5 μm, respectively. Higher heat input and plastic strain lead to a reduction of the fraction of low-Σ boundaries, while increasing high-Σ boundaries suggest activation of other deformation mechanisms , i.e., from dislocation slip to twinning, respectively, as a function of dislocation generation and recovery kinetics. Grain orientation spread (GOS) and kernel average misorientation (KAM) values also decrease, indicating a higher homogeneity and smaller local disorientations under the excess heat. The higher texture indices observed in the composite samples suggest that frictional heat and graphene addition collectively enhance preferred orientations, potentially leading to higher anisotropy. Principal texture components shift from {101} < 1 ‾ 2 ‾ 1 > , { 1 ‾ 2 ‾ 3 }<634>, {111} < 1 1 ‾ 0 > , {332} < 1 ‾ 1 ‾ 3 > , {013} < 2 3 ‾ 1 > , and {214} < 1 ‾ 2 ‾ 1 > in the base metal to {011} < 1 2 ‾ 2 > , {011} < 0 1 ‾ 1 > , and {112} < 1 1 ‾ 0 > in composites. Components such as {101} < 0 1 ‾ 0 > remains unaffected.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».