A Characterization of Laser Cleaning Painting Layer From Steel Surface Based on Thermodynamic Model
Notice bibliographique
Résumé
Abstract In this study, the environmentally friendly nanosecond ultraviolet (UV) laser is innovatively employed laser cleaning to remove the painting layer from the AH36 steel substrate. The feasibility of UV laser cleaning the painting layer is innovatively proposed and it has been calculated by the model theoretically, followed by elaborating the prominent interaction mechanism of UV laser exactly. The initial cleaning threshold and completely cleaning threshold are 2 J/cm 2 and 5 J/cm 2 , respectively. Afterwards, the UV laser cleaned surface quality is evaluated by the scanning electron microscopy (SEM), energy dispersive spectroscopy (EDS), optical microscopy (OM) and optical profiler (OP), respectively. The mechanical properties have enhanced dramatically after laser cleaning and characterized by the Vickers hardness tester and universal testing machine. By varying laser fluences (2, 5, 7 J/cm 2 ) during laser cleaning, microstructures registering various sizes of corrugated shaped, craters and ring-shaped could be acquired. In addition, the mechanical properties analysis including rapid melting, quenching and dislocation density effects illustrates that laser cleaning could effectively increase surface microhardness, tensile strength and bending strength. Thus, laser cleaning method has emerged as a favourable means to strip painting layer in lieu of traditional methods for marine industry as well as this study could promote the development of laser cleaning in the field of marine engineering.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».