Development of Sr modified Al–Si–Mg–Fe based alloys for automotive components
Notice bibliographique
Résumé
The aim of this work is to create a comprehensive database relating to the tensile properties of a eutectic Al–Si–Mg alloy. The studies reported herein cover the dissolution of the β-iron Al 5 FeSi phase by evaluating the effect of the iron (Fe) content, the influence of modification by strontium (Sr), and the duration of the solutionizing treatment from 0 to 200 h at 540 °C. The last step is to establish a link between the tensile properties obtained and the characteristics of the microstructures, mainly the length of the β-Al 5 FeSi platelets. Solution treatment at 540 °C was applied to the eutectic alloys for times of up to 200 h. Unmodified and modified Al–Si–Mg alloys with high Fe content accelerate the dissolution of β-Al 5 FeSi; this being due to the rejection of silicon (Si) atoms towards aluminum (Al) and resulting in transforming the β-Al 5 FeSi into Al 6 Fe. The unmodified alloy shows a maximum reduction in the length of the β-phase platelets after 30 h of solution treatment, compared to 10 h for the modified alloy. Therefore, Sr addition decreases the duration of treatment due to the initial fragmentation of platelets. The process of fragmentation/dissolution of the β-Al 5 FeSi phase during solution treatment at 540 °C is associated with the ductile Al matrix characterized by the formation of dimple structure. The lack of an age hardening response of the ternary Al–12%Si-0.045%Sr alloy results in low alloy strength, making this alloy unsuitable for automotive components that may be exposed to high temperatures. The results of this study were supported by extensive tensile testing (about 1000 tensile bars). The quality-index method was found to be useful in classifying the alloys according to their performance.
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 ».