MétaCan
Menu
Retour à la cohorte
Enregistrement W2291098161 · doi:10.1007/s00170-016-8502-y

Analysis of De-Laval nozzle designs employed for plasma figuring of surfaces

2016· article· en· W2291098161 sur OpenAlexaboutno aff
Nan Yu, Renaud Jourdain, Mustapha Gourma, Paul Shore

Notice bibliographique

RevueThe International Journal of Advanced Manufacturing Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésFiguringNozzlePlasma torchComputational fluid dynamicsInductively coupled plasmaTorchMechanical engineeringAerodynamicsContext (archaeology)PlasmaJet (fluid)MechanicsMaterials scienceEngineeringOpticsAerospace engineeringPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Plasma figuring is a dwell time fabrication process that uses a locally delivered chemical reaction through means of an inductively coupled plasma (ICP) torch to correct surface figure errors. This paper presents two investigations for a high temperature jet (5000 K) that is used in the context of the plasma figuring process. Firstly, an investigation focuses on the aerodynamic properties of this jet that streamed through the plasma torch De-Laval nozzle and impinged optical surfaces. Secondly, the work highlights quantitatively the effects of changing the distance between the processed surface and nozzle outlet. In both investigations, results of numerical models and experiments were correlated. The authors’ modelling approach is based on computational fluid dynamics (CFD). The model is specifically created for this harsh environment. Designated areas of interests in the model domain are the nozzle convergent-divergent and the impinged substrate regions. Strong correlations are highlighted between the gas flow velocity near the surface and material removal footprint profiles. In conclusion, the CFD model supports the optimization of an ICP torch design to fulfil the demand for the correction of ultra-precision surfaces.

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 enseignants0,182
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Advanced Manufacturing TechnologyMême sujetLaser-induced spectroscopy and plasmaTravaux en français237 207