MétaCan
Menu
Retour à la cohorte
Enregistrement W2939650682 · doi:10.1139/tcsme-2018-0235

A comparative study on the mechanical behaviors of surface-strengthened Nitinol 60 alloy and steel

2019· article· en· W2939650682 sur OpenAlexvenueno aff
Qunfeng Zeng

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTribometerAbrasiveAlloyTribologySurface roughnessIndentation hardnessMetallurgyHardnessAdhesive wearAdhesiveVickers hardness testComposite materialFriction coefficientLayer (electronics)Microstructure

Résumé

récupéré en direct d'OpenAlex

Nitinol 60 alloy and steel were treated using supersonic fine-particle bombardment (SFPB) to improve their mechanical properties. The formation of the strengthened layer and the mechanical properties including surface roughness, hardness, and tribological properties of the untreated and treated samples were systematically investigated using surface profiler, micro-Vickers hardness, and ball-on-disk tribometer, respectively. The influences of SFPB treatment on the mechanical properties of samples are discussed. The results show that a hardened layer is formed on samples after SFPB treatment and that the treated samples exhibit high hardness and good wear resistance. It is also found that the coefficient of friction (CoF) of Nitinol 60 alloy is lowest among all the samples before and after surface treatment. The wear mechanism of the untreated sample is adhesive wear; however, the wear mechanism of the treated sample is adhesive and abrasive wear. This study will provide clear guidelines for the engineering application of Nitinol 60 alloy.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,510

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 Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetSurface Treatment and Residual StressTravaux en français237 207