MétaCan
Menu
Retour à la cohorte
Enregistrement W2259379849 · doi:10.4236/jmmce.2016.41009

Role of Microstructural Features in Toughness Improvement of Zirconia Toughened Alumina

2016· article· en· W2259379849 sur OpenAlexafffund
Olaniyi Fakolujo, Ali Akbar Merati, Mariusz Bielawski, Manon Bolduc, Michel Nganbe

Notice bibliographique

RevueJournal of Minerals and Materials Characterization and Engineering · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced ceramic materials synthesis
Établissements canadiensDefence Research and Development CanadaNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesNational Research Council Canada
Mots-clésMaterials scienceComposite materialCharpy impact testIndentationToughnessFracture toughnessCubic zirconiaKnoop hardness testMicrostructureScanning electron microscopePorosityIndentation hardnessCeramicVickers hardness test

Résumé

récupéré en direct d'OpenAlex

Ceramics constitute an integral part of highly efficient armours due to their low density, high hardness, strength and stiffness. However, they lack toughness and multi-hit capability. Therefore, zirconia toughened alumina is investigated. The hardness is evaluated using Vickers, Knoop and instrumented indentations, while the fracture toughness is evaluated using the indentation technique and Charpy tests. The strength is evaluated using ring-on-ring, four point bend and drop weight tests. The Young’s modulus is evaluated using the unloading instrumented indentation curves. Microstructure, porosity and density are characterised using ultrasonic scanning, Archimedes principle, optical and scanning electron microscopy. Results show an indentation size effect on all mechanical properties. A substantial improvement in toughness is achieved through retardation of crack initiation by tetragonal-to-monoclinic phase transformation in zirconia particles, crack deviation thanks to appropriate grain structure, as well as energy absorption by densification due to remaining porosity. This improved toughness is expected to promote multi-hit capability.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
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 Opus0,003
Tête enseignante GPT0,191
Écart entre enseignants0,187 · 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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Minerals and Materials Characterization and EngineeringMême sujetAdvanced ceramic materials synthesisTravaux en français237 207