MétaCan
Menu
Retour à la cohorte
Enregistrement W1531956037 · doi:10.1115/imece2014-39372

Tribo Mechanical Properties of CoCr and NiWCrB Hardfacing Superalloy Coating Systems

2014· article· en· W1531956037 sur OpenAlexafffund
M. Azzi, Luc Vernhes, Étienne Bousser, J.E. Klemberg-Sapieha

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHardfacingMaterials scienceCoatingInconelMetallurgyMicrostructureCorrosionScanning electron microscopeAbrasion (mechanical)TribologyComposite materialAlloy

Résumé

récupéré en direct d'OpenAlex

Wear of materials is a serious problem facing industry especially in mechanical applications where moving parts are continuously subjected to friction. Hard coatings prepared by a variety of processes are nowadays considered as effective solutions to protect components against wear. Examples of such processes are: thermal spray coating, vacuum-based coating and hardfacing. In this paper, we study the mechanical, tribological and corrosion properties of two hard coating systems: CoCr Stellite 6 (ST6) hardfacing on 316 stainless steel and NiWCrB Colmonoy 88 (C88) thermal spray coating on Inconel 718. The effect of gas nitriding on the microstructure and wear performance of these coating systems is investigated. X-ray diffraction, energy dispersive spectroscopy and scanning electron microscopy were used for microstructural analysis. Micro-indentation technique was utilized to measure the surface and cross-sectional hardness of the coatings. Rockwell indentation technique was used to evaluate coating adhesion in accordance with CEN/TS 1071-8. Pin-on-disk tests were conducted to assess the tribological performance of the coatings. Microstructural analysis showed that ST6 has a cobalt matrix in the form of dendrites reinforced with metal carbide particles whereas C88 has a Nickel matrix reinforced mainly with metal boride particles. ST6 and C88 improved significantly the wear resistance of their corresponding substrates. This is mainly due to good adhesion and high hardness of the coatings; HR15N values of ST6 and C88 were almost 85 as compared to 61 and 80 for 316 and INC substrates, respectively. ST6 was found to improve significantly the corrosion resistance of 316 whereas C88 decreased the corrosion performance of INC. Moreover, nitriding treatment was found to improve significantly the wear resistance of 316 and INC, however, in the case of ST6, nitriding was beneficial in terms of wear resistance only at relatively low load.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,169
Écart entre enseignants0,152 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMetal and Thin Film MechanicsTravaux en français237 207