Surface Modification of Al Components Using Spark Plasma Sintering
Notice bibliographique
Résumé
A strong push has been observed in the automotive industry to replace current components with high-performance and lightweight materials such as aluminum alloys. Novel monolithic materials such as bulk nanostructured materials, cannot always offer the best performance in hostile environments and often have high manufacturing costs. This has required the development and engineering of processes to allow nanostructured surface functionalization of conventional materials. This processing strategy, similar to the metal-ceramic joining approach, exploits the advantages of both materials while reducing overall manufacturing costs. Spark Plasma Sintering (SPS) will be evaluated as potential a method for manufacturing a nanostructured Al-Si cladding. This novel coating method has a significant advantage over traditional processes in that it forms metallurgical bonds at both the interface and throughout the deposited layer to produce a coating with isotropic properties. The objective of this work is to create a nanostructured eutectic Al-Si feedstock powder and simultaneously consolidate and clad the powder onto a forged aluminum substrate using Spark Plasma Sintering. Results show that after mechanical milling, the aluminum grain size was refined to 47nm. The results also show that SPS is capable of sintering the powder in extremely short sintering times while maintaining nanostructure, and that the heating rate has a large effect on increasing densification rates. Mechanical properties of the resultant coating were also investigated.
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) | 0,000 | 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 ».