MétaCan
Menu
Retour à la cohorte
Enregistrement W2065067637 · doi:10.1179/174328405x18665

Effects of tungsten carbide and cobalt particles on corrosion and wear behaviour of copper matrix composite

2005· article· en· W2065067637 sur OpenAlexfundno aff
T.-F. Wu, S.-L. Lee, M.-H. Chen, Zhigang Li, Jiaping Lin

Notice bibliographique

RevueMaterials Science and Technology · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensnon disponible
Organismes subventionnairesNational Science CouncilPratt and Whitney Canada
Mots-clésMaterials scienceCorrosionTungsten carbideCopperCarbideComposite numberMetallurgyTungstenComposite materialCobaltWear resistance

Résumé

récupéré en direct d'OpenAlex

Copper matrix composites reinforced with various contents (10–20 wt-%) and sizes (1–9 μm) of tungsten carbide particles (WCp) and cobalt particles (Cop, 1·5 μm and 5 wt-%) were fabricated by hot pressing. The effects of WCp and Cop on the wear and corrosion properties of the copper composites were evaluated. Dry wear testing was conducted in ambient conditions and wear corrosion testing was carried out in 3·5 wt-%NaCl solution (pH 6·7). The results show that the hardness, wear resistance and static corrosion weight loss of Cu/WCp composites increase with a decrease of WCp size or with an increase of WCp content. Also, the corrosion current density I corr increases with a decrease of WCp size or with an increase of WCp content, and the corrosion potential E corr exhibits no specific trend with varying WCp content and size. The wear corrosion rate increases with an increase in WCp content, yet shows no direct correlation with WCp size. On the other hand, Cu/WCp/Cop composites exhibit better wear resistance in both dry wear and corrosive wear conditions. The Cu/WCp/Cop composites show a much lower E corr and significantly more passivity than Cu/WCp composites in polarisation tests. The Cu/WCp/Cop composites exhibit excellent wear corrosion resistance, especially in the passive potential (Ep) state.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,304

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 technologies0,0000,001
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 Opus0,004
Tête enseignante GPT0,202
Écart entre enseignants0,198 · 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

Citations9
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Science and TechnologyMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207