Plasma-Texturing Surface Treatment of Grey Cast Iron for Friction Reduction
Notice bibliographique
Résumé
A new surface texturing technique, based on liquid plasma discharging in an aqueous electrolyte, is proposed to modify the surface morphology of grey cast iron. During the process, a grey cast iron sample serves as a cathode where the reduction of hydrogen from the aqueous electrolyte occurs and consequently plasma discharging is generated on the sample surface under applied high voltages (up to 480V). The formed hydrogen bubbles are exploded during the electrical discharging, leaving an irregular array of craters on the sample surface due to the high temperature and shockwaves of the plasma micro-arc discharging. After polishing the crater-like textured surface, surface roughness and oil retention are measured by a profilometer. Reciprocating tribotests are utilized to determine the coefficients of friction. The surface morphology of the polished and tested surface is studied by SEM. The same tests are also conducted for the cast iron with a cross-hatched surface. These two set of results are compared to determine the effects of the texturing and polishing on friction. The results show that the polishing of textured surface can decrease the roughness and coefficients of friction significantly at starved lubricating conditions. This method has potential to be applied on the cylinder bore surface of a cast iron liner for the internal combustion engine (ICE). By honing the textured bore surface, the friction between piston and cylinder bore is expected to decrease and the ICE efficiency to increase for environmental benefits.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».