MétaCan
Menu
Retour à la cohorte
Enregistrement W2597713584 · doi:10.1149/2.0731706jes

Tribological Properties of Functionally Graded Ni-Al<sub>2</sub>O<sub>3</sub>Nanocomposite Coating

2017· article· en· W2597713584 sur OpenAlexaff
Seyed Ahmad Lajevardi, T. Shahrabi, Jerzy A. Szpunar

Notice bibliographique

RevueJournal of The Electrochemical Society · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrodeposition and Electroless Coatings
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTribocorrosionTribologyNanocompositeComposite materialAbrasiveComposite numberCoatingAbrasion (mechanical)CorrosionMetallurgyElectrochemistry

Résumé

récupéré en direct d'OpenAlex

The main challenge in producing metal matrix composite coatings is achieving a homogeneous distribution of the second phase particles and avoiding the particle agglomeration. Despite all the works done up to now, the effect of the particles' distribution in the matrix of composite coatings on the tribological properties has rarely been reported. The primary concern of the present study is to investigate the tribological behavior of functionally graded nickel-Al2O3 nanocomposite coating produced at different duty cycles in 3.5%wt NaCl solution. Before starting the tribocorrosion test, the open circuit potential variations are small and reached stable values which followed by a negative shift during and after the tribocorrosion test. SEM and EBSD images showed that by decreasing the duty cycle the width of the wear track decreased because of more incorporated particles and changing of the (001) structure to compact random texture. Although the EIS results show the corrosion resistance decreased by increasing the embedded particles, higher hardness and compact structure result in better tribocorrosion properties of samples prepared at lower duty cycle. The adhesive wear was the dominant mechanism for coatings plated at high duty cycle and it changed to the abrasive wear in sample prepared at lower duty cycle.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,923

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetElectrodeposition and Electroless CoatingsTravaux en français237 207