The Effect of the Formation of Superelastic NiTi Phase on Static and Dynamic Corrosion Performance of Ni-P Coating
Notice bibliographique
Résumé
The addition of superelastic NiTi particles is a great benefit to the toughness of the Ni-P coating. Nonetheless, NiTi nanopowder costs 10 times more than Ti nanopowder. Therefore, in the present study, to reduce the cost, Ni-P-NiTi composite coatings were prepared on AISI 1018 steel substrates by the electroless incorporation of Ti nanoparticles into Ni-P followed by the annealing of Ni-P-Ti coatings. The effect of the formation of a superelastic NiTi phase on static and dynamic corrosion performance was investigated. It was found that the annealed Ni-P-Ti coating (i.e., Ni-P-NiTi coating) has much higher static corrosion resistance than the as-deposited Ni-P coating. The dynamic corrosion rates in the absence of abrasive particles are 10 times higher than the static corrosion rates of the coatings. The dynamic corrosion rates in the presence of abrasive particles are one order of magnitude higher than the dynamic corrosion rates in the absence of abrasive particles. The formation of a superelastic NiTi phase considerably improved the static and dynamic corrosion performance of the Ni-P coating. In the absence of abrasive particles under flowing condition, the dynamic corrosion resistance of the annealed Ni-P-Ti coating (i.e., Ni-P-NiTi coating) is 19 times higher than that of the as-deposited Ni-P coating. In the most aggressive environment (in the presence of abrasive particles), the dynamic corrosion resistance of the annealed Ni-P-Ti coating (i.e., Ni-P-NiTi coating) is four times higher than that of the as-deposited Ni-P coating. The annealed Ni-P-Ti coating (i.e., Ni-P-NiTi coating) can be used in applications where high corrosion resistance is required, especially in an extremely aggressive environment.
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 ».