Plasma electrolytic oxidation (PEO) coatings on Mg-alloys for improved wear and corrosion resistance
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.
Notice bibliographique
Résumé
Due to their high chemical reactivity, relatively low melting point and low hardness, magnesium and magnesium alloys have relatively poor corrosion and wear resistance. Since both corrosion and wear are surface phenomena, a number of surface engineering techniques have been used to improve corrosion and wear performance. Whilst some surface hardening/strengthening methods have led to improvements in wear properties, they have not, in themselves, significantly improved the corrosion performance. Plasma electrolytic oxidation (PEO) has the potential to produce hard, compact oxide coatings that are well adhered to the magnesium alloy substrate. Such coatings can provide both improved wear and corrosion resistance. In this paper we describe how by changing the PEO processing parameters (substrate alloy; electrolyte; current or voltage; processing time) we can change the nature of the PEO oxide coatings (thickness; microstructure; porosity; phase content; composition) which, in turn, effects the corrosion and wear performance. All PEO-coatings have a three-layer structure with a porous outer layer, and intermediate dense layer and a thin inner dense layer. From a corrosion aspect, the performance of coatings is determined by the time taken for corrosion to initiate since this is much shorter than time taken for the coating to degrade. For PEO-coated Mg-alloys, this initiation time is primarily determined by the thickness, porosity and phase content of the inner dense layer at the coating/substrate interface. With respect to tribological properties, the coefficient of friction (COF) in dry sliding wear increases with increasing surface roughness of the PEO coatings. The wear rate is primarily determined by the thickness and hardness of the intermediate dense layer.
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 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 découle