High-power laser powder bed fusion of Cu–Cr–Zr alloy: A comprehensive study on statistical process optimization, microstructure, and mechanical properties
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
This study explores high-power laser powder bed fusion (LPBF) of Cu–Cr–Zr alloy, focusing on optimizing process parameters to achieve high relative density ( RD ) and low surface roughness ( S a ). A Plackett-Burman design (PBD) identifies layer thickness, laser power, and scanning speed as the most significant parameters. A response surface method (RSM) with central composite design (CCD) further refines the process, yielding an optimized parameter set with an RD of 99.96 % and S a of 13.1 μm. After establishing the optimum process window, the process efficiency is examined by increasing layer thickness, demonstrating higher build rates while preserving high RD and acceptable S a . The samples are evaluated for mechanical properties and microstructural evolution . Microhardness mapping reveals a uniform hardness distribution , with values ranging from 90 to 94 HV. Microstructural analysis shows the grain morphology varies with process parameters; thinner layers tend to produce bimodal distributions, whereas thicker layers promote more uniform grain structures . Crystallographic analysis indicates a strong <001> texture in samples processed at high volumetric energy density ( VED ), while subgrain analysis highlights significant fractions of low-angle grain boundaries, reflecting residual stresses and high dislocation density .
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) | 0,001 | 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 découle