Microstructure, Processability, and Strength of SiC-Reinforced AlSi9Mg Composite After Laser Surface Remelting and Post-Heat Treatment
Notice bibliographique
Résumé
The present study investigated the microstructure, processability, and mechanical strength of an AlSi9Mg-20vol.%SiC composite to assess its processing and mechanical performance during the laser powder bed fusion process. A simple laser surface remelting approach was adopted to simulate laser-based rapid solidification. The results revealed that this composite generally exhibited good laser processability, and the samples with the highest laser energy density and lowest scan speed possessed the best processability owing to the elimination of microcracks and pores. After laser processing, all the samples displayed a fine Al-Si cellular structure accompanied by in-situ formed fine needle-shaped Al4SiC4 particles. Increasing laser energy density considerably increased the area fraction of the Al4SiC4. The T5 aging treatment preserved the fine cellular structure and promoted the precipitation of a large number of Si nanoparticles and MgSi precipitates. During T6 solid solution treatment, the Si networks were broken down into coarse Si particles, disintegrating the cellular structure and reducing the strength. The T5 treatment was identified as the most suitable post-heat treatment for enhancing the microhardness and strength of the composite. Compared to conventionally laser-processed AlSi10Mg alloys, the AlSi9Mg-20vol.%SiC composite exhibited a significant increase in microhardness and yield strength.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».