Crystallographic texture and precipitation control via double austenitization in high-performance tool steel
Notice bibliographique
Résumé
In the present work, the toughness and wear resistance of AISI A8 cold work high-strength tool steel were improved through the design of a specific double austenitization and tempering heat treatment. The treatment resulted in 80 % improvement in impact toughness and 10 % improvement in wear resistance. A combination of high-resolution dilatometry and scanning electron microscopy, including phase compositional and crystallographic analysis, was used to identify the microstructural changes. The findings were analyzed in terms of the influence of the proposed heat treatment on the refinement of the as-quenched martensite substructure and the fraction of high-angle grain boundaries (V1/V2, V1/V3 and V1/V6) variant pairs and the fraction of low-angle grain boundaries (V1/V4) pairs. Notably, block width analysis revealed that in the double austenitization treatment, block width appeared insensitive to prior austenite grain size variations. Additionally, the kinetics of the M 23 C 6 secondary carbides precipitation during isothermal tempering at 520 °C was investigated and modeled. Results demonstrate that the redistribution of carbon in solid solution is the critical microstructural parameter influencing the variant selection and the homogenous precipitation of spherical carbides. The underlying micro-mechanisms responsible for such improvement were identified and their contributions documented and quantified.
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 | 0,001 | 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 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 ».