Synthesis of Si–C–N coatings by thermal Plasmajet chemical vapour deposition applying liquid precursors
Notice bibliographique
Résumé
Abstract Materials in the system Si–C–N feature excellent properties for wear protection applications, even at elevated temperatures, and an excellent thermal shock resistance. As these materials have no melting point, coatings have to be manufactured via a synthesis. Conventional chemical vapour deposition (CVD) processes have the disadvantage of low deposition rates. Thermal Plasmajet CVD processes with liquid feedstock feature the highest deposition rates among the gas‐phase synthesis processes. Single and triple DC torches and HF torches with supersonic nozzles have successfully been applied to produce Si–C(–N) coatings on different steel, aluminium, titanium and copper alloys, as well as on graphite. Besides chlorosilanes, hexamethyldisiloxane, tetramethyldisiloxane and hexamethyldisilazane have been used as liquid single precursors. Deposition rates up to 1500 μm h−1 have been achieved. The coatings show cauliflower, columnar or dense morphology and an amorphous or nanocrystalline structure. The formation of both α‐ and β‐Si3N4 has been verified by X‐ray diffraction. The application of chlorosilanes always results in chlorine‐containing coatings. The chlorine causes severe corrosion in the interface to mild carbon steel substrates. The processes are compared taking into account their characteristics concerning the injection modes, gas temperature and velocity profiles determined by enthalpy probe measurements. The process conditions are correlated to the coating microstructure and the adhesion to the substrates and guidelines for the optimum production of Si–C–N coatings by Plasmajet CVD are deduced. Emission spectroscopy is used to determine the mechanisms of the coating formation. Full dissociation of the liquid feedstock in the plasma jet has been verified. Copyright © 2001 John Wiley & Sons, Ltd.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».