MétaCan
Menu
Retour à la cohorte
Enregistrement W3083306403 · doi:10.3390/coatings10090864

Pulsed Waterjet Roughening of Cast Iron and Aluminum Alloy for Automotive Engine Remanufacturing with Plasma Transferred Wire Arc Coating

2020· article· en· W3083306403 sur OpenAlexaff
Nicholas O’Neil, Abu Syed Humaun Kabir

Notice bibliographique

RevueCoatings · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCoatingSurface roughnessCast ironSurface finishSubstrate (aquarium)MetallurgyAluminiumDelamination (geology)Composite materialAlloyPlasma

Résumé

récupéré en direct d'OpenAlex

This study utilized the high-pressure pulsed waterjet process and paired it with the plasma transferred wire arc technology to develop a novel technique to remanufacture damaged engine cylinder bores. The objective of this research was to eliminate the need for expensive bond-coats such as Ni-Al by optimizing the surface roughness profile of the substrate to provide acceptable mechanical bonding between the coating and the substrate. In this study, a high chrome stainless steel wire (Metcoloy #2) was plasma spray coated on a wide range of pulsed waterjet roughened surface profiles generated on grey cast iron and cast aluminum A380 alloy, the two most common engine materials. The pulsed waterjet greatly increased the adhesion strength between the substrates and the Metcoloy #2 coating. The increase in adhesion strength is a result of the formation of favorable mechanical anchoring points. Optimal pulsed waterjet parameters were determined to avoid the production of a copious roughness profile which resulted in a coating that mirrored the roughened surface profile. Additionally, if the roughness profile produced by the pulsed waterjet was insignificant the coating was removed in its entirety during detachment-based failure.

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 enseignants0,035
Score d'incertitude au seuil0,608

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 Opus0,016
Tête enseignante GPT0,214
Écart entre enseignants0,199 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetErosion and Abrasive MachiningTravaux en français237 207