Effect of mischmetal concentration and superheating on the microstructure and tensile properties A319.1: Role of Fe content
Notice bibliographique
Résumé
The aim of this research is to study the effect of certain metallurgical parameters such as the addition of a mixture of rare earths (mischmetal) and superheating on the microstructure and tensile properties of the Al–Si–Cu alloy A319.2 containing 0.4%, 0.8% and 1.2% iron used in the automotive industry. The mischmetal (MM) precipitates in the form of platelets like the β-Al 5 FeSi leading to a marked refinement in eutectic Si particles at 5% MM. In addition, α- Al 15 (Fe,Mn) 3 Si 2 . segregated particles and mischmetal-bound intermetallics persist in the microstructure even after T6 heat treatment. The tensile properties of 0.8% iron alloys deteriorate when the mischmetal concentration and superheat temperature increase, although the silicon phase undergoes significant changes. Alloys with a high iron concentration (1.2% Fe) showed a slight decrease in the length of the β-Al 5 FeSi phase platelets and of the mischmetal compared to alloys with 0.4% and 0.8% Fe when the concentration of mischmetal increases to 5% and when the superheating temperature reaches 950 °C. This observation explains the increase in the % elongation to fracture of the 1.2% Fe-5% mischmetal alloy cast directly from 750 °C or after superheating at 950 °C, followed by in-furnace cooling to 750 °C. The ultimate tensile strength and yield strength degrade with mischmetal, but improve slightly with superheating; only for the 1.2% Fe-0% mischmetal alloy, its yield strength decreases once superheated to 950 °C.
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 ».