Effect of Si content on microstructure, mechanical, and thermal/electrical conductivities of Al-xSi-0.3Mn-0.3Mg-0.14Fe alloy prepared by super-slow-speed die-casting
Notice bibliographique
Résumé
In this study, Al- x Si-0.3Mn-0.3Mg-0.14Fe alloys ( x =6.5, 7.5, 8.5, wt.%) were prepared by super-slow-speed die-casting, and the effect of Si content on the microstructure, mechanical and thermal/ electrical conductivities in as-cast, T5, and T6 states (DIN EN 1706:2020) were investigated. It is found that the increase of Si content in the alloy enhances the formation of eutectic segregation band in the casting surface microstructure. Within the Si content range of 6.5%–8.5%, as a comprehensive evaluation criterion of mechanical properties, the quality index (QI) of 376.1 MPa can be obtained in the as-cast state of the alloy with about 7.5% Si content, 373.4 MPa in T5 state of the alloy with 6.5% Si content, and 432.2 MPa in T6 state of the alloy containing 8.5% Si. The heat treatment state significantly affects the thermal conductivity and electrical conductivity of the alloys. The eutectic silicon in the alloy is segemented and further spheroidizaed during the solution process, and the solute atoms of Mg and Si are more adequately precipitated during the aging process. Both of these greatly reduces the probability of electron scattering. Thus, T6 treatment significantly improves the electrical and thermal conductivity. With the increase of Si content, both thermal conductivity and electrical conductivity decrease slightly, demonstrating a strong correlation with the Si content in the alloy.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».