MétaCan
Menu
Retour à la cohorte
Enregistrement W2745455416 · doi:10.1115/1.4037604

An Experimental and Simulation Study for Powder Injection Multitrack Laser Cladding of P420 Stainless Steel on AISI 1018 Steel for Selected Mechanical Properties

2017· article· en· W2745455416 sur OpenAlexafffund
Navid Nazemi, Jill Urbanic

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsOntario Centres of Excellence
Mots-clésMaterials scienceIndentation hardnessCladding (metalworking)Residual stressMetallurgyComposite materialThermalFinite element methodCarbon steelSubstrate (aquarium)CoaxialMicrostructureMechanical engineeringStructural engineeringCorrosion

Résumé

récupéré en direct d'OpenAlex

Laser cladding is a rapid physical metallurgy process with a fast heating–cooling cycle, which is used to coat a surface of a metal to enhance the metallurgical properties of the substrate's surface. A fully coupled thermal–metallurgical–mechanical finite element (FE) model was developed to simulate the process of coaxial powder-feed laser cladding for selected overlap conditions and employed to predict the mechanical properties of the clad and substrate materials, as well as distortions and residual stresses. The numerical model is validated by comparing the Vickers microhardness measurements, melt pool dimensions, and heat-affected zone (HAZ) geometry from experimental specimens' cross sectioning. The study was conducted to investigate the temperature field evolution, thermal cycling characteristics, and the effect of deposition directions and overlapping conditions on the microhardness properties of multitrack laser cladding. This study employed P420 stainless steel clad powder on a medium carbon structural steel plate substrate. The study was carried out on three case studies of multitrack bead specimens with 40%, 50%, and 60% overlap. The results provide relevant information for process planning decisions and present a baseline to the downstream process planning optimization.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,280
Écart entre enseignants0,254 · 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

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207