Corrosion Behavior of Laser Powder Bed Fusion Fabricated Stainless Steel 316L
Notice bibliographique
Résumé
Metal additive manufacturing techniques have been recognized for their capability of controlling the crystallographic orientations of stainless steels. However, the inherent anisotropic corrosion behavior has not been extensively studied. In this study, the corrosion properties of 316L stainless steels prepared by Laser Powder Bed Fusion (LPBF) additive manufacturing were investigated. The effects of different crystallographic textures, namely {100}, {110} and {111} on both general and pitting corrosion were characterized by several electrochemical measurements, including Electrochemical Impedance Spectroscopy (EIS), potentiodynamic polarization and Mott-Schottky analysis. The results were also compared to the polycrystalline and wrought 316L counterparts. It was found that the LPBF-{111} sample offered the highest general corrosion resistance, followed by the LPBF-{100}, LPBF-polycrystalline and LPBF-{110} samples (Figure 1). The origin of this trend was related to the atomic surface density. The LPBF-{111} surface exhibited a stronger atomic bonding than that of LPBF-{100} and LPBF-{110} samples, resulting in a higher corrosion activation energy and thus a higher general corrosion resistance. All the LPBF samples also offered a significantly higher pitting corrosion resistance (Figure 2), which was attributed to the lower concentration of oxygen vacancies (donor levels) in the passive film that serve as pits nucleation sites, as observed by the Mott-Schottky analysis (Figure 3). Figure 1
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 ».