MétaCan
Menu
Retour à la cohorte
Enregistrement W2023790553 · doi:10.1108/13552540910979767

Powder particle temperature distribution in laser deposition technologies

2009· article· en· W2023790553 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRapid Prototyping Journal · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLaserMaterials scienceNozzleParticle (ecology)Laser power scalingDeposition (geology)Collimated lightLaser beam qualityParticle-size distributionRapid prototypingOpticsParticle sizeMechanical engineeringOptoelectronicsComposite materialPhysicsEngineeringLaser beams

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to provide a flexible tool to predict the particle temperature distribution for traditional laser applications and for the most recent diode laser processes. In the past few years, surface processing and rapid prototyping applications have frequently implemented the use of powder delivery nozzles and high power fibre‐coupled diode lasers with highly convergent laser beams. Owing to the complexity and variety of the process parameters involved in this technology, mathematical models are necessary to understand and predict the deposition behaviour. Modeling the dynamics of the melting pool and the particle temperature distribution is critical for achieving a good deposition quality. Design/methodology/approach This study focuses on the development of mathematical models to predict the particle temperature distribution over the melting pool. An analytical and a numerical solution are proposed for two cases of laser intensity distribution: top hat and Gaussian. Findings The results show that a more vertical position of powder delivery nozzle will lead to a higher and more uniform particle temperature distribution, in particular for the top‐hat intensity distribution case. Originality/value Previous work has dealt only with Gaussian laser spatial distributions and collimated laser beams. Therefore, they were limited to a specific class of laser processes. This work provides a flexible tool to predict the particle temperature distribution for traditional laser applications (powder delivery nozzle and Gaussian laser profile) and for the most recent diode laser processes (powder delivery nozzle and top‐hat laser distribution with highly convergent laser beam). In addition, the results demonstrate that the particle temperature does not monotonically increase while increasing the nozzle inclination as in the case of a collimated laser beam, but some particles show a minimum temperature for intermediate values of the nozzle inclination angle.

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.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,602
Score d'incertitude au seuil0,387

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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