Synergistic impact of tool geometry and heat input on microstructure and texture development in friction stir processed AA6061-Graphene nanocomposites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The synergistic effect of tool geometry and process heat input on the microstructure and texture development of AA6061-Graphene nanocomposites through friction stir processing (FSP) was studied. The findings reveal that for composites fabricated with a tool having a pin cone angle (PCA) of 2.5°, increased heat input leads to a pronounced strain rate effect, resulting in finer recrystallized grains (3.0 ± 0.1 µm). Conversely, for composites produced with a PCA of 2°, reduced heat input enhances the uniform dispersion of graphene particles and lowers processing temperatures, yielding finer grains (1.8 ± 0.2 µm) in the processed zone. The fraction of low-Σ boundaries, such as Σ3, decreases after FSP relative to the base metal. However, for the composite with a PCA of 2.5°, a higher fraction of low-Σ boundaries (0.64 %) is observed at minimal heat input compared to the composite processed with a PCA of 2° (0.37 %). With increasing heat input, this trend reverses, and the fraction of low-Σ boundaries in the composite processed with a PCA of 2° reaches 1.26 %, surpassing that of the 2.5° (0.18 %). As the heat input rises from 2539 to 4528 J/mm, the density of low-angle grain boundaries (LAGB) in composites processed with a PCA of 2° increases from 15.8 % to 29.9 %. In contrast, for composites with a PCA of 2.5°, the LAGB density decreases from 31.2 % to 25.0 % as the heat input rises from 2543 to 4534 J/mm. FSP with a PCA of 2.5° enhances the intensity of the Q {013}< 2–31 > texture component with increasing heat input. However, in composites processed with a PCA of 2°, the trend differs, as increased heat input promotes the dominance of Rotate-Cube {001}< 1–10 > , Q, and B {111}< 1–10 > components.
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.
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 découle