Evaluation of doped amorphous carbon coatings for hydrophobic applications in aerospace
Notice bibliographique
Résumé
To improve aircraft performance in adverse service environments, specific coatings are applied to critical surfaces to improve (i) erosion, (ii) corrosion, (iii) hydrophobic, or (iv) icephobic properties. Although protective coatings are available in all four groups, aerospace applications require combinations of properties that are not readily available, for example hydrophobicity together with erosion resistance. The combination of hydrophobic (or icephobic) and erosion properties is difficult to obtain. Known hydrophobic or icephobic materials are usually polymers that are too soft to provide required erosion resistance and durability in aircraft service conditions. Conversely, physical vapour deposited coatings that are erosion resistant and durable, typically do not have adequate hydrophobicity. However, recent studies on amorphous carbon (a-C) coatings indicate that these materials have potential for combined hydrophobic and erosion applications through doping or compositional changes. Thus, this paper reports on improving the hydrophobic and erosion resistance properties of nonhydrogenated a-C coatings doped with a single element such as chromium (Cr), silicon (Si), aluminum (Al), or titanium (Ti) up to 12 at.%. All coatings are produced using unbalanced magnetron sputtering and characterized by scanning electron microscopy, energy dispersive X-ray spectroscopy, X-ray diffraction, nanoindentation, and water contact angle measurements. The most prospective compositions are evaluated for erosion resistance and ice adhesion strength testing. Overall, the best combination of hydrophobic and erosion properties is obtained for a-C doped with 10 at.% of Al, whereas the ice adhesion results against bare steel substrate have been inconclusive.
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 | 0,003 | 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 ».