The Effects of Optimized Nozzle-Substrate Distance on Cold Gas Dynamic Spray (CGDS) Process
Notice bibliographique
Résumé
This paper presents research that is focused on the particle coating quality of Cold Gas Dynamic Spray (CGDS) process. The coating quality is affected by several different factors, namely the carrier gas species, nozzle-substrate distance, nozzle inlet pressure and the coating particle size. The intent of this research is to use numerical simulations to predict the coating quality and to find the optimized nozzle-substrate distance and particle size in CGDS process by tuning the factor of nozzle-substrate distance and the coating particle size. Air was chosen as the carrier gas to accelerate copper (Cu) particles, which have diameters ranging from 2–50μm.. There are two main target factors, the nozzle-substrate distance and particle size, which are going to affect the coating quality in this study. In the first part, 14 sets of nozzle-substrate distance models ranging from 2.5mm to 100 mm were setup to study the air velocity, density, temperature and pressure contour through the De-Laval nozzle to the aluminum substrate. In the second part, 49 sets of different particle sizes ranging from 2–50μm in diameter were computed. The particle’s impact velocities on the aluminum substrate were applied to 12 different nozzle-substrate distance models. The bow shock wave, a high pressure gradient region, formed in front of the aluminum substrate, makes the copper particles decelerate in front of the substrate. The results showed that the gas flow velocity contours was affected by different nozzle-substrate distances, which caused different particle accelerating characteristics.
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 ».