A comparative review on cold gas dynamic spraying processes and technologies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cold gas dynamic spraying (CGDS) is a relatively new technology of cold spraying techniques that uses converging-diverging (De Laval) nozzle at a supersonic velocity to accelerate different solid powders towards a substrate where it plastically deforms on the substrate. This deformation results in adhesion to the surface. Several materials with viable deposition capability have been processed through cold spraying, including metals, ceramics, composite materials, and polymers, thereby creating a wide range of opportunities towards harnessing various properties. CGDS is one of the innovative cold spraying processes with fast-growing scientific interests and industrial applications in the field of aerospace, automotive and biotechnology, over the past years. Cold gas spraying with a wide range of materials offers corrosion protection and results in increases in mechanical durability and wear resistance. It creates components with different thermal and electrical conductivities than that substrates would yield, or produces coatings on the substrate components as thermal insulators and high fatigue-strength coatings, and for clearance control, restoration and repairing, or prostheses with improved wear, and produces components with attractive appearances. This review extensively exploits the latest developments in the experimental analysis of CGDS processes. Cold gas dynamic spraying system, coating formation and deposit development, description of process parameter and principles, are summarized. Industrial applications and prospectives of CGDS in future research are also commented.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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