Effets des paramètres métallurgiques sur la microstructure, la macrostructure et la performance des alliages 319, 356 et 413
Bibliographic record
Abstract
Les alliages d'aluminium-silicium sont de plus en plus utilisés de nos jours dans le domaine automobile. Ils permettent d'alléger le poids des automobiles et diminuer ainsi la consommation d'essence. Nous avons étudié, dans ce projet, trois alliages d'aluminium soit sont le 319, le 356 et le 413. Nous avons fait varier différents paramètres métallurgiques pour chaque alliage. Les paramètres variés sont le dégazage, l'ajout de strontium, l'ajout de T1B2 et la quantité d'hydrogène. Ainsi, 9 conditions ont été créées pour chaque alliage. \n \nEn plus de varier les paramètres métallurgiques, nous avons également effectué des traitements thermiques sur les alliages. Les échantillons ont tous subi une mise en solution de huit heures à 495°C pour les alliages 319 et 413 et à 540°C pour l'alliage 356. Par la suite, une trempe a été effectuée dans un bac rempli d'eau chaude (60°C). Finalement, on a effectué le vieillissent d'une durée de cinq heures à 155°C, 180°C, 200°C, 220°C et 240°C. Nous avons également gardé des échantillons dits « tel que coulée » qui n'ont pas subi de traitements thermiques. \n \nDifférents examens ont été faits sur les échantillons pour mesurer leur microstructure et leur macrostructure mais également les propriétés mécaniques. La grosseur des grains, l'espace interdendritique et la morphologie des particules de silicium et des pores ont été mesurés pour évaluer la microstructure et la macrostructure des alliages. Pour les propriétés mécaniques, la dureté et la résistance à l'impact ont été mesurées. Des images ont également été prises pour évaluer le mode de propagation de la fissure (fractographie) pour les échantillons soumis au test de résistance à l'impact. \n \nNous avons pu identifier un nouveau phénomène agissant sur la morphologie des particules de silicium lors de la mise en solution. En temps normal, les particules de silicium aciculaire se fragmentent lors de la mise en solution ce qui diminue la surface totale des particules de silicium. Dans notre cas, il y a bel et bien une fragmentation mais il y a aussi une dissolution des petites particules de silicium qui diffusent vers les particules aciculaires de silicium plus grandes. Comme la cinétique de dissolution/diffusion des particules silicium est supérieure à celle de la fragmentation, il y a une augmentation de la surface moyenne (observé pour 14 échantillons sur 18). \n \nLes essais de résistance à l'impact ont permis de trouver que les pores présents dans les échantillons jusqu'à un pourcentage surfacique de 2,59% n'influencent pas la valeur de l'énergie absorbée. \n
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".