MétaCan
Menu
Retour à la cohorte
Enregistrement W2896352539 · doi:10.2351/1.5063192

Comparison of nozzle gas shielding techniques for laser cladding of zirconium

2015· article· en· W2896352539 sur OpenAlexafffund
Arshad Harooni, A.P. Gerlich, Amir Khajepour, J. Mitch King

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensCanadian Nuclear LaboratoriesUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Ontario
Mots-clésMaterials scienceShielding gasZirconiumCladding (metalworking)NozzleArgonZirconium alloyMetallurgyElectromagnetic shieldingMicrostructureComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

The use of zirconium is widespread in nuclear, chemical and biomedical industries considering its low thermal neutron cross-section, high corrosion resistance and good biocompatibility [1-3]. The present work studies the application of laser cladding using a powder spray laser deposition system. Commercially pure zirconium is deposited on a zirconium alloy substrate without the use of an enclosed atmosphere to limit oxygen and nitrogen contamination. The use of different powder nozzle designs and argon shielding gas flow rates are examined as the only mechanism for protecting the molten zirconium from the atmospheric contamination, in order to evaluate the feasibility of in-situ cladding and more convenient cladding systems. The powder nozzle geometry and gas flow rates are compared in terms of the cladding chemistry, microstructures, and microhardness. It is shown that the use of a powder delivery nozzle which only utilizes one stream of argon within the powder carrier gas is not sufficient to prevent atmospheric contamination. The addition of an auxiliary argon stream provides far greater protection to both the clad and substrate, which suggests it is possible to achieve acceptable zirconium claddings without the use of an enclosed shielded environment.

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 enseignants0,028
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,097
Tête enseignante GPT0,342
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

Citations1
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNuclear Materials and PropertiesTravaux en français237 207