MétaCan
Menu
Retour à la cohorte
Enregistrement W2901352903 · doi:10.5539/mas.v12n12p102

Laser Shock Peening Application as Alternative Method to Determine the Mechanical Properties of Aluminum

2018· article· en· W2901352903 sur OpenAlexvenueno aff
Saad N. Abood

Notice bibliographique

RevueModern Applied Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensnon disponible
Organismes subventionnairesAl-Nahrain University
Mots-clésMaterials sciencePeeningDuctility (Earth science)Shock (circulatory)AluminiumModulusComposite materialSubstrate (aquarium)Elastic modulusUltimate tensile strengthStress (linguistics)Shock waveParticle (ecology)Residual stressThermodynamics

Résumé

récupéré en direct d'OpenAlex

The structural, physical, and mechanical properties of laser-induced shock peening (LSP) of Aluminum before and after depositing films of different metals (Cu, In, and Al) were investigated. The deposition of single and double films was conducted, and the physical property (density), shockwave properties (shock pressure, particle velocity, and shock velocity), mechanical properties (stress, strain, Young's s modulus, and Hardness) were calculated, Young's s modulus measured of aluminum was measured by classical method (Tensile test ) and by LSP technique, and it was found that the measured using LSP is closer to the standard value than classical method .Single film Cu and sandwich Al / Cu deposited on Al substrate showed an enhancement in the mechanical properties rather than other films, while the deposited films of (In, In / Cu, and Al /In) on Al substrate revealed more strain and higher ductility than others.

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 enseignants0,357
Score d'incertitude au seuil0,277

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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,243 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetSurface Treatment and Residual StressTravaux en français237 207