The influence of additive friction stir deposition process on mechanical properties, corrosion resistance, and electrical conductivity of Al5086-H32 alloy
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
Abstract Additive friction stir deposition (AFSD) is a novel additive manufacturing technique that enables the fabrication of components in the solid state. Given the benefits of AFSD, understanding the behavior of various feedstock materials after undergoing the AFSD process is crucial for optimizing their performance in structural applications. This study aims to evaluate the effects of AFSD on an Al–Mg alloy, Al5086, comparing it to its initial H32 condition to assess the changes in mechanical properties, microstructure, corrosion resistance, microhardness, and electrical conductivity. Tensile testing showed a 23% reduction in yield strength for as-deposited samples, while ultimate tensile strength remained comparable to the feedstock. Ductility improved significantly, with elongation to failure increasing by 77%, attributed to grain refinement and dynamic recovery. Microhardness decreased by 16% in lower layers due to thermal exposure, but electrical conductivity remained stable, indicating minimal solute atom redistribution. The Nitric Acid Mass Loss Test (NAMLT) revealed a 245% increase in corrosion rate for the AFSD material, linked to the higher density of grain boundaries acting as pathways for corrosion. These findings highlight AFSD’s potential for improving ductility and formability. However, they underscore the need for optimization to reduce corrosion susceptibility and address mechanical strength trade-offs. Future work should focus on fine-tuning process parameters or implementing post-treatment methods to enhance corrosion and mechanical performance.
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