Fatigue Improvement of Cast Aluminum Composites via Experimental and ANSYS Analysis
Notice bibliographique
Résumé
In this work, ANSYS Workbench finite element analysis and experimental testing were employed to investigate how adding ceramic reinforcements-silicon carbide (SiC) and zirconium oxide (ZrO₂)-Specifically enhance fatigue performance in cast aluminum matrix composites.Specimens containing 5% and 10% weight fractions of each reinforcement, prepared using sand casting, were then tested according to the ASTM A370-11 and ASTM E8/E8M standards to assess their mechanical behavior and failure characteristics.The results reveal that adding 5% SiC increases fatigue resistance, with the highest fatigue limit of any studied sample.Conversely, a 10% ZrO₂ content decreases fatigue performance because of internal stress concentrations and particle agglomeration.With a stress ratio of R = -1 and based on the stress-life (S-N) approach, the numerical simulations produced results highly consistent with experimental data, varying from 5.2% to 8.3%.According to the study's findings, the fatigue behavior of aluminum composites is influenced by the type and concentration of reinforcing particles.SiC at 5% provides the best fatigue enhancement, whereas higher percentages-especially ZrO₂-may compromise mechanical integrity.Its usefulness in the design and analysis of composite materials is supported.The finite element methods demonstrated the ability to forecast fatigue life.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».