MétaCan
Menu
Retour à la cohorte
Enregistrement W2906070793 · doi:10.4028/www.scientific.net/msf.941.1892

Cold Spray of Mixed Sn-Zn and Sn-Al Powders on Carbon Fiber Reinforced Polymers

2018· article· en· W2906070793 sur OpenAlexaffabout
Andre C. Liberati, Phuong Vo, Stephen Yue

Notice bibliographique

RevueMaterials science forum · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTinGas dynamic cold sprayDeposition (geology)AluminiumCoatingMetallurgyZincPolymerMixing (physics)Composite materialFiberCarbon fiber reinforced polymerComposite number

Résumé

récupéré en direct d'OpenAlex

Carbon fiber reinforced polymers (CFRPs) have been increasingly used in the latest generations of aircraft and helicopters for lightweight purposes, but this leaves vulnerability against lightning strike. Cold spray is one coating approach to metallize the polymers, thus making them lightning strike proof. It has been reported that direct cold spray of metals onto CFRP is difficult. However, research at McGill University has shown that tin coatings can be cold sprayed on CFRP, but the deposition efficiency is very low. In this work, aluminum and zinc powders were mixed with tin to investigate the effect of mixing on deposition efficiency of the coating. The mixed metal powders were cold sprayed on CFRP with a low-pressure cold spray system at various conditions. It was found that the addition of aluminum or zinc resulted led to increased deposition efficiencies compared to pure tin, but there are many differences in the details of the effect of Al and Zn additions on the deposition characteristics. The deposition mechanism of the mixed metal powders on CFRP is discussed, and the effect of mixing powders on the deposition efficiency is evaluated.

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 enseignants0,003
Score d'incertitude au seuil0,670

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 technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207