MétaCan
Menu
Back to cohort
Record W164756460 · doi:10.1522/030043986

Effect of grain refiner-modifier interaction on the performance of A356.2 alloy /

2008· book· en· W164756460 on OpenAlexfundno aff
B. Golbahar

Bibliographic record

Venuenot available
Typebook
Languageen
FieldEngineering
TopicAluminum Alloy Microstructure Properties
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à Chicoutimi
KeywordsAlloyMaterials scienceMetallurgy

Abstract

fetched live from OpenAlex

L'affinage de grain et la modification sont deux traitements communs du métal liquide appliqués aux alliages de fonderie Al-Si. La modification est effectuée au moyen d'additions d'éléments tels que le Na, le Sr ou le Sb dans le but de changer la morphologie du silicium eutectique d'aciculaire à la forme fine et fibreuse, et améliorer de ce fait la ductilité de l'alliage. Une structure de grain fine et équiaxe améliorera également les propriétés mécaniques; ceci est réalisé par le processus de raffinement de grain, où l'addition d'éléments tels que le Ti et le B à l'aluminium liquide - habituellement présentés sous forme d'alliage mère d'aluminium - fournissent des noyaux nécessaires pour la formation d'un grand nombre de grains, et par conséquent une structure de grain fine est réalisée. L'utilisation d'une combinaison d'un affineur de grain et d'un modificateur pour certains alliages hypoeutectiques de fonderie Al-Si a démontrée qu'il causait un certain degré d'empoisonnement en termes de réduction du niveau de la modification des particules de silicium et de l'affinage de grain. Le présent travail vise l'étude de l'influence de l'addition du Ti et du B sous forme de cinq alliages mères différents (affineurs de grain), à savoir, Al-lQ%Ti, Al-5%Ti-l %B, Al-2.5%Ti-2.5%B, Al-1.7%Ti-1.4%B et A1-4%B en combinaison avec le Sr comme modificateur sous forme d'Al-10%Sr dans l'alliage A356.2. L'affinement de grain de l'alliage A356.2 avec des additions de Ti et de B dans des gammes allant de 0.02 à 0.5% et 0.01 à 0.5%, respectivement, a été examiné en utilisant ces différents types d'affineurs de grain. Des additions de strontium ont été réalisées à deux niveaux de 30 et 200 ppm. L'occurrence de toutes les interactions probables de Sr-Ti et/ou de B-Sr a été étudiée en utilisant l'analyse par la microsonde et les techniques métallographiques. Tous les alliages ont subi un traitement thermique de type T6 avant l'essai mécanique. Des essais de traction et de resilience ont été effectués pour évaluer l'influence de l'interaction entre F affineur de grain et le modificateur sur les propriétés mécaniques. Les propriétés ont été déterminées pour les alliages tels que coulés et pour ceux traités thermiquement. Des techniques thermiques d'analyse ont également été employées pour évaluer les interactions entre le Sr et le B, aussi bien que celles entre le Sr et le Ti. L'analyse à l'aide de la microsonde électronique a indiqué que l'ajout de B > 0.1% à l'alliage A356.2 peut mener à la formation des particules contenant principalement le B et Sr, avec une composition approchant SrBô. Aucune interaction significative entre le Sr et le Ti n'a été observée dans le contexte de l'effet sur les caractéristiques eutectiques des particules de silicium. Les mesures quantitatives des microstructures prouvent que la morphologie des particules eutectiques de silicium est soumise à un retour important à une forme brute et aciculaire. La recherche a également montré que l'interaction B-Sr peut retarder raffinement des grains de l'alliage A356.2 contenant 0.02-0.1%B. Cette interaction peut diminuer considérablement les propriétés mécaniques de l'alliage, en particulier, dans la condition telle que coulée. Ainsi, le contenu en B de l'alliage devrait être considéré en tant qu'un des paramètres qui affectent raffinement de grain et la modification des alliages A356.2.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.003
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.008
GPT teacher head0.199
Teacher spread0.191 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2008
Admission routes1
Has abstractyes

Explore more

Same topicAluminum Alloy Microstructure PropertiesFrench-language works237,207