Insights into microstructural evolution in functionally graded additive manufacturing of IN625–CuCrZr alloys: A CALPHAD-based thermodynamic analysis and experimental study on the role of metastable miscibility gap
Notice bibliographique
Résumé
Functionally Graded Additive Manufacturing (FGAM) technique enables gradual and in-situ variation of composition within a component to achieve locally tailored microstructure and physical properties. This approach has recently been applied to fabricate multi-material components made of copper alloys for heat dissipation and Ni-based superalloys for superior mechanical properties, especially in aerospace applications. In this study, the successful FGAM of IN625 superalloy and CuCrZr alloy was demonstrated for the first time. Thin-wall samples without any major defects, such as cracks or lack of fusion, were fabricated by gradually varying the composition via a dual powder feeder laser directed energy deposition (L-DED) system. Further, to comprehend microstructural evolution during the process, CALPHAD simulations and characterization techniques (SEM, EDS, EBSD) were employed. A metastable miscibility gap was detected between the two alloys, which led to Cu-rich and Cu-lean regions in compositions with 50–75 wt.% CuCrZr. This resulted in mixed spheroidal and dendritic morphologies. X-CT analysis revealed Cu-lean spheroids clustering in specific regions, while EBSD showed coarse columnar grains in single-phase areas and fine equiaxed grains in compositions with a miscibility gap, where Cu-lean spheroids acted as nucleation sites. Scheil solidification simulations predicted M 2 C-type carbide formation within spheroids, confirmed by XRD, which contributed to a wide hardness variation of 180 to ∼800 HV across the component.
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 | 0,001 | 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) | 0,000 | 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 ».