Effect of Fe Concentration and Superheating on the Microstructure and Tensile Properties of High Mg 413.0-Type Alloys: Role of Sr, Be, P, and La
Notice bibliographique
Résumé
The present work was undertaken to explore the multiple alloys and process steps that have been suggested to mitigate the harmful effects of high iron content in cast Al-Si alloys. The base alloy used was ommercial 413.0 alloy containing 0.35%Mg. Iron was added at three Fe levels up to 1.8%. The addition of Sr, 1.0%Zn, 0.2%Ti were made to the alloys so prepared, which were melted and maintained at a superheat of 750 °C or 950 °C. The melts were poured in different molds that produced three solidification rates. In total, 40 castings were prepared: half of the castings were used for metallographic examinations in the as-cast condition, while the other half were set aside for tensile testing following T6 treatment. The results show that at a solidification rate of 50 °C/s, 1.8%Fe could be dissolved in the aluminum matrix regardless of other melt treatments. With regard to the other solidification rates, superheating at 950 °C, coupled with Sr addition or Sr + Be, reduces the average β-platelets length by 80% (0.8 °C/s) or 95% (8 °C/s). The addition of P causes a marked drop in the alloy tensile strength due to the precipitation of primary Si, Al2Si2Sr, and β-AlFeSi hard-phase particles. Therefore, reducing the iron content in the castings may be considered a major objective to be recommended for developing alloys with higher strength and optimum quality values. More than 1000 tensile bars were tested in this study.
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 ».