MétaCan
Menu
Retour à la cohorte
Enregistrement W2021717473 · doi:10.1116/1.4750474

Friction and counterface wear influenced by surface profiles of plasma electrolytic oxidation coatings on an aluminum A356 alloy

2012· article· en· W2021717473 sur OpenAlexaff
Jun Feng Su, Xueyuan Nie, Henry Hu, Jimi Tjong

Notice bibliographique

RevueJournal of Vacuum Science & Technology A Vacuum Surfaces and Films · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensFord Motor Company (Canada)University of Windsor
Organismes subventionnairesnon disponible
Mots-clésTribometerMaterials scienceTribologyPlasma electrolytic oxidationCoatingMetallurgyPiston ringAlloyPolishingReciprocating motionOxidePorosityLubricityAbrasiveComposite materialElectrolyteMechanical engineering

Résumé

récupéré en direct d'OpenAlex

To reduce the fuel consumption and emission of passenger vehicles, aluminum engines have been increasingly used throughout the last 30 years. Since most conventional aluminum alloys have poor wear resistance, various technical solutions have been developed to generate a wear-resistant cylinder bore surface against the sliding piston ring. In this work, the plasma electrolytic oxidation (PEO) process was employed to produce oxide coatings on an Al alloy A356 for Al engine blocks, to protect against the wear attack. The surface morphology and coating thicknesses were tailored by polishing two PEO coatings. A reciprocating sliding tribometer was used to investigate the tribological and wear behavior of the PEO coatings, counterface materials, and that of a state-of-the-art plasma transferred wire arc coating (as a benchmark) under two lubricated conditions. The results show that the PEO coatings have a low coefficient of friction and minimal wear. The variation in tribological behavior and counterface wear among the tested materials was likely due to different topographic features such as skewness and kurtosis caused by microbump distribution, porosity, and valleys on as-prepared, sanded, and polished coating surfaces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations24
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology A Vacuum Surfaces and FilmsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207