MétaCan
Menu
Retour à la cohorte
Enregistrement W3194263776 · doi:10.31399/asm.cp.itsc2000p0983

Performance of HVOF-Sprayed Carbide Coatings in Aqueous Corrosive Environments

2000· article· en· W3194263776 sur OpenAlexaff
S. Simard, B. Arsenault, Komal Laul, Mitch Dorfman

Notice bibliographique

RevueThermal spray · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésThermal sprayingCorrosionMaterials scienceCoatingMetallurgyCarbideComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The HVOF technology is well known to provide a wide variety of coating materials having excellent performance characteristics under different aggressive conditions such as wear, erosion by impact of particle and corrosion. Carbides, as a family, constitute a big segment of materials used by the thermal spray industry. Although their material properties may be well known since they are often used in wear or corrosive-wear industrial applications, aqueous corrosion of such coatings are not well characterized. Moreover, thermal spray process technology being in constant evolution, past literature on these coatings may not be directly applicable as newer produced coatings have higher adhesive and cohesive strength. Recent technology allows a better control on density and oxides content that are important parameters to consider for corrosion applications. The success of a coating is related to judicious material selection for various applications. However, the choice of the starting materials for producing a coating is often difficult since there is a lack of data on the corrosion performance of thermal spray coatings. The present paper addresses the performance of various carbide HVOF coatings in terms of corrosion rate and degradation mode in two corrosive environments — HCl and HNO3. Behavior of the coatings is compared using bulk SS316 and SS316 HVOF coating as a benchmark.

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 enseignants0,003
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
Bibliométrie0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,182 · 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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207