Evaluation of the Effect of Nano Al₂O₃ Additive on Al-Si-Cu Alloys Performance Produced by Squeeze Casting and High Pressure Die Castings: Experimentation and Mathematical Modeling
Notice bibliographique
Résumé
Light alloy metals (Hypoeutectic Al-Si-Cu alloys) have retained their importance and properties as primary candidates when examining the correlation of the cost function that makes them suitable for many applications.The research aims to fabricate Al-Si-Cu alloys using nano-Al2O3 as heterogeneous nucleation of a eutectic solution to appropriately squeeze casting and pressure die casting processes under varying pressures (150, 200, and 250 MPa), pouring temperature with 780℃, mold preheated to 250℃.The yield strength and elongation are 12%, and also the hardness is 33.1% higher than that of gravity castings.In addition, the samples from the squeeze casts have lower wear rates than the samples of the pressure die cast.The design of experiments (DOE) method was applied to study and monitor the properties of Al-Si alloy.The relationship between the process parameters, including casting pressure and the percentages of Nano additives, and the main process responses was analyzed.Based on the used modeling tool, the final equations of the responses, including hardness, corrosion, tensile strength, and wear rate, were found.The modeling results showed good agreement with the experimental results, with a maximum error of 1.54% and a minimum error of 0.25%.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».