On the microstructure and dynamic mechanical behavior of Cu–Cr–Zr alloy manufactured by high-power laser powder bed fusion
Notice bibliographique
Résumé
• High-power laser powder bed fusion processing of Cu–Cr–Zr alloy. • Dynamic impact response of as-printed Cu–Cr–Zr alloy. • Achieving superior strength and toughness via dynamic impact loading. • Assessment of high strain rate effect on microstructure. This study explores high-power laser powder bed fusion (LPBF) processing of Cu–Cr–Zr alloy, focusing on its high strain rate dynamic mechanical response and microstructural evolution. The alloy undergoes significant strain hardening during dynamic impact loading, primarily attributed to intensified dislocation interactions and multiplication. This is accompanied by thermal softening induced by adiabatic heating, therefore improving strain accommodation. As the strain rate increases from 4400 s −1 to 11300 s −1 , the ultimate compressive strength (UCS) enhances from 173 ± 8 MPa to 489 ± 14 MPa, demonstrating a high strain rate sensitivity (SRS) of ∼ 1. Microstructural examinations reveal that higher strain rates intensify the occurrence of adiabatic shear bands (ASBs), leading to severe localized plastic deformation. These ASBs generate localized stress concentrations, which in turn accelerate crack initiation and propagation through pore formation and coalescence within the ASBs. Despite this severe plastic deformation, texture analysis indicates that the crystallographic texture remains largely stable which suggests that the deformation mechanism is primarily governed by dislocation motion and interaction, rather than by crystal structure reorientation. Overall, the alloy balances strain hardening and strain accommodation at high strain rates, making it well-suited for applications requiring strength and resilience under dynamic impacts.
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) | 0,002 | 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 ».