X-ray diffraction-based estimation of remaining fatigue life in AA6061-T6 for “additive remanufacturing®”
Notice bibliographique
Résumé
Cold spray is an advanced additive manufacturing technology that is capable of restoration of damaged metallic components without exposing them to high temperatures. To expand the use of cold spray from restoring the geometry and structure of defective parts to full remanufacturing, extending their lifespan beyond the original life cycle by replacing internally damaged areas (typically only 10–15% of the part’s volume), the first step is to accurately assess the damage at the part’s hot spot. This study explores the capabilities of X-ray diffraction (XRD) as a non-destructive testing method for assessing damage in AA6061-T6. A set of dog-bone samples was prepared to introduce controlled damage at different levels. X-ray diffraction measurements were conducted on these samples to generate test data, to assess dislocation densities. These values offer a quantified measure of internal damage and provide insight into the microstructural evolution under fatigue loading. By using this method, this study aims to develop a reliable method for pre-additive remanufacturing® damage assessment. In corroboration with earlier studies, we show that XRD can effectively detect internal material damage using dislocation densities through XRD-measured parameters such as full width at half maxima (FWHM), a measure of XRD peak broadening used for analyzing dislocation and strain. Integrating XRD-based damage assessment with cold spray additive manufacturing can enable precise and localized repairs. By implementing cold spray remanufacturing, this method can significantly reduce material waste, a major contributor to the greenhouse gas emissions, and extend components' lifespans across various industries, promoting sustainability and circular economy.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».