Influence of carbon on the rheology and additive manufacturability of Ti-6Al-4V powders
Notice bibliographique
Résumé
• Ti6Al4V powder properties become significantly worse over 0.50 wt% C inclusion. • Agglomeration of carbon around satellite particles increases cohesion reducing flow. • Carbon addition within 0.25 wt% produces high density parts with < 0.10 % porosity. • Printed parts have similar acicular α’ martensitic microstructure with no carbides. • Grade 23 exhibits better powder-part properties after carbon addition than Grade 5. The focus of this work was to determine the effect of carbon blending on powder-part properties of titanium alloy Ti-6Al-4V. To assess this, carbon blends of both grade 5 and grade 23 from 0.1-1.0 wt% C were prepared. Part printability using laser powder bed fusion (LPBF) was assessed by measuring the segregation, flowability, rheology, and spreadability of the powder. Blend quality was assessed chemically and visually via computed tomography and scanning electron microscopy. Carbon blends above 0.25 wt% C produced significant segregation of carbon particles. Agglomerated carbon segregates acted as barriers to flow causing the reduction in dynamic flow by 40–60% compared to the virgin powders. High carbon contents also limited powder spreadability by promoting large streaks during powder spreading. Below 0.25 wt% C, the deleterious effects of segregation, flowability, and spreadability were reduced and the powder characteristics were comparable to the processable virgin powders. Printed parts exhibited very small effect of carbon blending on the density and micro-hardness of the material. The grade 23 powder is more suitable for carbon blending and offers the highest part densities and lowest variation in material hardness. This is attributed to lesser carbon agglomeration, better powder flow, and fewer interstitial elements.
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 ».