Multiscale characterization of Ti-induced grain refinement in additively manufactured austenitic stainless steel
Notice bibliographique
Résumé
• Mn-aided Ti inoculation refines grains and mitigates columnar growth in AM 316L. • Ti addition promotes formation of TiO, FeTi, and C14 Laves phases, affecting microstructure. • Annealing redistributes phases, enhancing ductility and homogenizing hardness. • TiMn co-inoculation improves strength but reduces corrosion resistance in 316L. In-situ inoculation of grain-refining elements suppresses columnar grain growth and reduces mechanical anisotropy in additively manufactured metals, while enhancing strength via the Hall-Petch effect. However, the refinement mechanism of Ti in austenitic stainless steel remains unclear. This study investigates Mn-assisted Ti inoculation in 316L stainless steel (SS316L), followed by annealing. Despite near-full densification, localized Ti enrichment formed coarse, brittle FeTi and C14 Laves intermetallic clusters, surrounded by ultrafine ferritic grains within an austenitic matrix. Elevated annealing temperatures dissolved Laves phases and promoted Ti diffusion, resulting in dispersed TiO particles and ferritic domains. Refined Laves phases were redistributed to grain boundaries and triple junctions. Mechanical testing showed improved ductility with increasing annealing temperature: ultimate tensile strength decreased from 650 MPa to 610 MPa, while elongation rose from 13 % to 38 %. Hardness mapping revealed more uniform distribution, though overall hardness dropped from 370 HV to 210 HV. Electrochemical corrosion tests in saline solution indicated that phase transformations induced by Ti-Mn co-inoculation compromised corrosion resistance, increasing susceptibility to degradation in aggressive environments.
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) | 0,000 | 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) | 0,001 | 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 ».