MétaCan
Menu
Retour à la cohorte
Enregistrement W2081610215 · doi:10.1155/2014/640364

Effects of Surface Coating Preparation and Sliding Modes on Titanium Oxide Coated Titanium Alloy for Aerospace Applications

2014· article· en· W2081610215 sur OpenAlexafffund
Bo Peng, Xueyuan Nie, Ying Chen

Notice bibliographique

RevueInternational Journal of Aerospace Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials sciencePlasma electrolytic oxidationCoatingOxideScanning electron microscopeTribologyTitaniumComposite materialAlloyCeramicTitanium alloyEnergy-dispersive X-ray spectroscopyMetallurgyTitanium oxideElectrolyteChemical engineering

Résumé

récupéré en direct d'OpenAlex

This paper investigates the mechanical response of a coated Ti-6Al-4V alloy surface under different sliding contact stress conditions. The surface was coated with an oxide ceramic material created through the use of a recently developed technique known as plasma electrolytic oxidation (PEO). During the PEO procedure, a composition of silicate and phosphate was used as the electrolyte. In order to evaluate the coating, pin-on-disk (POD) tribology tests and cyclic inclined sliding tests were used under dry room conditions. Furthermore, scanning electron microscopy (SEM) and energy dispersive spectroscopy (EDS) were utilized to examine the morphology and composition of the coating surfaces. The results of the POD tests revealed that the PEO coating could have a low coefficient of friction and suggested that high silicon concentrations in the PEO coatings take away oxygen from stoichiometric Ti oxides to create lubricating oxides. In addition, cyclic inclined sliding tests showed that smaller pores on the surface of the coating could permit a higher coating cohesive strength and allow the coated Ti alloy surface to perform better under high inclined sliding forces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 GPT0,236
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Aerospace EngineeringMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207