MétaCan
Menu
Retour à la cohorte
Enregistrement W3106127632 · doi:10.3390/jmmp4040107

Influence of Powder Particle Morphology on the Static and Fatigue Properties of Laser Powder Bed-Fused Ti-6Al-4V Components

2020· article· en· W3106127632 sur OpenAlexaff
Salah Eddine Brika, Vladimir Braïlovski

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityParticle (ecology)Composite materialParticle sizeMetal powderFusionPerpendicularPowder metallurgyElongationMetallurgyMicrostructureUltimate tensile strengthChemical engineering

Résumé

récupéré en direct d'OpenAlex

In this work, two Ti-6Al-4V powder lots were produced using two different techniques: plasma atomization and gas atomization, with the first producing more spherical particles than the second. Testing specimens were then manufactured with these powder lots using an identical set of printing parameters and the same laser powder bed fusion system. Next, the porosity levels and distributions as well as the static and fatigue properties of the specimens from both powder lots were compared. Regarding the static mechanical properties, a noticeable difference was observed between the plasma-atomized powder specimens and their gas-atomized equivalents (7% greater ultimate and 4% greater yield strengths, but 3% lower elongation to failure, respectively). However, with regard to the fatigue resistance, the advantages of the plasma-atomized powder specimens in terms of their mechanical resistance were somewhat counterbalanced by the presence of pores aligned in the direction perpendicular to that of applied load. Conversely, specimens printed with the gas-atomized powder manifested a similar level of porosity, but a uniform pore distribution, which reduced the impact of the processing-induced porosity on fatigue cracks initiation and propagation.

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 enseignants0,006
Score d'incertitude au seuil0,463

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 Opus0,037
Tête enseignante GPT0,224
Écart entre enseignants0,188 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207