Effect of heat treatment on the dynamic impact response of Cu–Cr–Zr alloy manufactured by laser powder bed fusion
Notice bibliographique
Résumé
This study investigates the effect of heat treatment on the dynamic impact behavior of a Cu–Cr–Zr alloy fabricated via high-power laser powder bed fusion (LPBF). Experiments utilized a split Hopkinson pressure bar (SHPB) setup with firing pressures of 100 kPa and 250 kPa, corresponding to maximum strain rates of 4400 s-1 and 11300 s-1 for as-built samples, and 1700 s-1 and 4700 s-1 for heat-treated samples. True stress-strain curves reveal a significant difference in strain accommodation mechanisms between as-built and heat-treated samples. Heat treatment markedly enhances the ultimate compressive strength (UCS) and work hardening rate under dynamic loading conditions, likely due to the Orowan strengthening mechanism by finely dispersed precipitates formed during heat treatment. The heat-treated samples exhibit continuous strength gains with increasing strain, reflecting pronounced strain hardening. In contrast, as-built samples show a plateau after reaching their UCS, where the activation of softening mechanisms, such as adiabatic shear band (ASB) formation, reduces the effectiveness of strain hardening. Despite the substantial changes in mechanical behavior, macro-texture analysis reveals minimal differences between as-built and heat-treated samples, suggesting that the performance disparities stem primarily from microstructural changes, such as precipitate formation and distribution in heat-treated samples, rather than shifts in crystallographic orientation.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».