Enhanced strength-ductility synergy in AA5052 alloy through nano/ultrafine structure induced by asymmetric reverse rolling (ARR)
Notice bibliographique
Résumé
This study investigates the influence of asymmetric reverse rolling (ARR) strain on the microstructure, texture evolution, and mechanical properties of AA5052 aluminum alloy. Microstructural analysis revealed that deformation bands formed in α-aluminum grains at 50% ARR strain but disappeared upon further straining to 70%. Dynamic recovery (DRV) and grain subdivision commenced only after 30% ARR, facilitated by strain path changes induced by interpass sheet rotation. Intermetallic particles acted as nucleation sites for subgrains and recrystallized grains via particle-stimulated nucleation (PSN). At 70% ARR, continuous dynamic recrystallization (CDRX) generated a high density of nanoscale (20-100 nm) and ultrafine (100-500 nm) grains, attributed to strain-induced subgrain rotation. Texture analysis demonstrated intensified α-fiber orientation, with maxima of 3.1 and 3.6 multiples of random distribution at 50% and 70% ARR, respectively, linked to CDRX-driven texture sharpening. As the ARR strain increased, the difference between the hardness in the regions near the surface and the midthickness increased, creating a gradient in hardness after 70% deformation. Strength enhancement at low strains (<50%) correlated with dislocation accumulation and subgrain formation, while grain refinement dominated at 70% ARR. Strain hardening rate transitions aligned with a strengthening mechanism shift from dislocation-based to grain boundary-mediated effects. Fractography indicated retained ductile failure modes despite increased surface flatness at higher strains, consistent with strain localization in refined microstructures.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».