MétaCan
Menu
Retour à la cohorte
Enregistrement W3135703519 · doi:10.3390/jmmp5010021

Turbine Blade Tip Repair by Laser Directed Energy Deposition Additive Manufacturing Using a Rene 142–MERL 72 Powder Blend

2021· article· en· W3135703519 sur OpenAlexafffund
Mohsen K. Keshavarz, Alexandre Gontcharov, Paul Lowden, Anthony Chan, Devesh Kulkarni, Mathieu Brochu

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceAlloyCreepUltimate tensile strengthCarbideMetallurgyDeposition (geology)Composite materialHot isostatic pressingTurbine bladeTurbine

Résumé

récupéré en direct d'OpenAlex

Laser directed energy deposition (LDED) was used with a powder blend comprising 75 wt.% Rene 142 and 25 wt.% of Merl 72 (4275M72) for turbine blade tip repair applications. Sound samples could be deposited at ambient temperature on Haynes 230. The microstructural analyses showed the presence of fine gamma prime precipitates in the as-deposited samples, while after aging, the alloy possessed around 40 vol.% with a bimodal precipitate size distribution. Also, the alloy contained Ta-Hf-W carbides in different sizes and shapes. Tensile testing from room temperature up to 1366 K was performed. The 4275M72 deposits possessed higher tensile properties compared to Rene 80 in this temperature range but lower elongations at the elevated temperatures. The creep properties of 4275M72 samples at 1255 K were superior to Rene 80. Also, the oxidation resistance of deposited 4275M72 was similar to Rene 142. The combination of high mechanical properties, creep behavior, and oxidation resistance of LDEDed 4275M72 makes it a suitable alloy for tip repair of turbine blades.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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

Citations33
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

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