MétaCan
Menu
Retour à la cohorte
Enregistrement W2739283313 · doi:10.1177/0021998317720001

Development of nanocomposite coatings with improved mechanical, thermal, and corrosion protection properties

2017· article· en· W2739283313 sur OpenAlexafffund
Majid TabkhPaz, Dong-Yeob Park, Ron Hugo, Simon S. Park

Notice bibliographique

RevueJournal of Composite Materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensNatural Resources CanadaUniversity of Calgary
Organismes subventionnairesVIT UniversityAlberta Innovates - Technology Futures
Mots-clésMaterials scienceComposite materialNanocompositeCorrosionCoatingScanning electron microscopeCarbon nanotubeComposite number

Résumé

récupéré en direct d'OpenAlex

In this study, new composite coatings are fabricated and investigated for their applications as the metal coating. The studied coatings consist of two-layered composites with various nanoparticulates as fillers in a polymeric matrix (styrene acrylic). The first layer bonded to the steel plate uses a combination of zinc particles, multi-walled carbon nanotubes, and graphene nanoplatelets. For the second layer, hexagonal boron nitride with high electrical insulation properties is added to the matrix. The morphology of the nanoparticulates is conducted using a scanning electron microscope. The coefficient of thermal expansion, cathodic disbondment resistance, gas penetration, and scratch resistance of the coatings are evaluated. The corroded area on the cathodic disbondment test specimens reduced down up to 90% for the composite with zinc (20 wt%), multi-walled carbon nanotubes (2 wt%), and graphene nanoplatelets (2 wt%), compared to a specimen coated with a pure polymer. It is seen that the presence of nanoparticulates decreased gas permeation and thermal expansion of the matrix by 75% and 65%, respectively. The addition of nanoparticulates also enhanced scratch resistance of the coating composites.

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 enseignants0,000
Score d'incertitude au seuil0,002

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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetTribology and Wear AnalysisTravaux en français237 207