MétaCan
Menu
Retour à la cohorte
Enregistrement W2898911377 · doi:10.3390/ma11112182

Comparison of Microstructure and Properties of In-Situ TiN- and WC-Reinforced NiCrBSi Composite Coatings Prepared by Plasma Spraying

2018· article· en· W2898911377 sur OpenAlexaff
Linlin Zhu, Jing Wang, Xianqiang Deng, Yanchun Dong, Yong Yang, Dongyang Li

Notice bibliographique

RevueMaterials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMicrostructureCoatingComposite numberScanning electron microscopeIndentation hardnessTinComposite materialTransmission electron microscopyMetallurgyNanotechnology

Résumé

récupéré en direct d'OpenAlex

In this study, NiCrBSi-30 wt.% TiN composite (NTC) coating was produced on carbon steel via plasma spraying, with NiCrBSi-30 wt.% WC composite (NWC) coating as the comparison object. The microstructure and phase constituents of the composite coatings were characterized using scanning electron microscopy (SEM) coupled with energy dispersive spectroscopy (EDS) techniques, transmission electron microscopy (TEM) and x-ray diffraction (XRD). Atomic force microscopy (AFM) was used to measure electronic work functions. The microhardness and wear performance of coatings were also investigated. The average microhardness of the NTC and NWC coatings was 1000 HV and 850 HV, respectively. In addition, the NTC coating had a wear volume loss of 0.8118 mm³, less than 1.4772 mm³, the volume loss of the NWC coating. This was due to the presence of TiN in the form of nanograins in the composite coating and tighter binding to the matrix.

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 enseignants0,002
Score d'incertitude au seuil0,394

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 Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetMetal and Thin Film MechanicsTravaux en français237 207