CHARACTERISATION OF STEEL BLADE MICROSTRUCTURE PRODUCED USING LASER ENGINEERING NET SHAPE PROCESS
Notice bibliographique
Résumé
Laser rapid forming is a recently developed method for the production of metal parts. Several laser based method such as selective laser sintering (SLS), direct metal laser sintering (DMLS), and laser engineering net shaping (LENS) are available. Of the laser based techniques, the LENS process the LENS process was employed to produce steel blades. The advantages of the technique are the fast processing speed, the elimination of tooling requirements, the ability to fabricate intricate shapes at lower cost and the retention of the metastable microstructure. The LENS process has been concentrated on producing titanium metal parts. Suitability and possible defects of components produced by the LENS process on steel material has not yet been fully studied according to the author’s knowledge. The microstructure homogeneity plays an important role in producing uniform mechanical properties of 316L stainless steel during production. It has been found that the microstructure is very dependent on the heating profile during the laser heating process. 410L stainless steel powder was used to produce blades using the LENS process. The microstructure characterisation was performed using optical and scanning electron microscopes. Fully martensitic microstructure was observed. The hardness profile of the blade is high on the middle section of the blade than it is on the round and sharp edges of the blade. The aim of the study was to evaluate the microstructure and hardness of the steel blade produced by the LENS process.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».