Numerical Simulation of Solid Ti6AI4V Particles Impinging on a Stainless-Steel Substrate at High Speed: Influence of the Particle Temperature
Notice bibliographique
Résumé
Abstract Additive manufacturing processes have been used to produce or repair components in different industry sectors like aerospace, automotive, and biomedical. In these processes, a part can be built by either melted particles as in selective laser melting (SLM) or solid-state particles as in the cold spray process. The cold spray has gained significant attention due to its potential for high deposition rate and nearly zero oxidation. However, the main concern associated with using the cold spray is the level of porosity in as-fabricated samples, altering their mechanical properties. These pores are primarily found in the regions where adiabatic shear instability does not occur. It is worth noting that the deformation of the impacted solid particle plays a vital role in reaching the shear instability. Therefore, for investigating the adiabatic shear instability region, an elastic-plastic simulation approach has been used. For this purpose, it is assumed that an elevated temperature solid Ti6Al4V particle impacts on a stainless-steel substrate surface at high velocity. The results show that increasing particle temperature will significantly enhance particle deformation because of thermal softening. Additionally, they illustrate that a material jet responsible for producing a bonding between particle and substrate by ejecting the broken oxide layer will be formed when the particle has a temperature above 1073 K and substrate remains at room temperature. In the end, it should be noted that increasing particle temperature up to 723 K will not have a significant effect on substrate deformation and final substrate temperature.
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) | 0,000 | 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 | 0,000 |
| 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 ».