• Treffer 2 von 3
Zurück zur Trefferliste

Quantitative Precipitate Analysis of an Age-Hardenable Aluminium Alloy Using a Deep Learning Approach

  • Mechanical properties of metals and their alloys are strongly governed by their microstructure. The nanometer-sized precipitates in hardenable wrought aluminium alloys, which can be controlled by heat treatment, act as obstacles to dislocation movement within the material and are critical to the mechanical performance of the component, in this case a radial compressor wheel of a ships’ engine. TEM-based image analysis is essential for the study to investigate the microstructural changes (precipitation coarsening) that occur as a result of ageing at elevated temperatures.

Volltext Dateien herunterladen

  • MSE 2022_Zia.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Ghezal Ahmad Jan Zia
Koautor*innen:Benjami Moreno Torres, Birgit Skrotzki, Bernd Bayerlein
Dokumenttyp:Posterpräsentation
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2022
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.0 Abteilungsleitung und andere
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Aluminium Alloy; Deep Learning; TEM Image
Themenfelder/Aktivitätsfelder der BAM:Material
Material / Materialdesign
Veranstaltung:MSE 2022
Veranstaltungsort:Darmstadt, Germany
Beginndatum der Veranstaltung:27.09.2022
Enddatum der Veranstaltung:29.09.2022
URL:https://dgm.de/mse/2022/
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:11.10.2022
Referierte Publikation:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.