Effect of Graphene Enrichment on Solid Particle Erosion Performance of Electroless Ni-P Composite Coatings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Solid particle erosion (SPE) and dents (from contact loads) are among numerous surface degradations in the hydrocarbon industry that can in turn compromise the longevity of protective coatings. Both these degradation mechanisms can induce cracks that allow the corrosive solutions to seep through those cracks and corrode the underlying metal, thereby defeating the purpose of surface protection. Nickel-phosphorus (Ni-P) coatings have been known for decades for their corrosion resistance, but their applications in hydrocarbon industries are impeded by their tribological limitations, namely low wear resistance. In the current research work, graphene nanoplatelets were introduced to an Ni-P electroless plating bath in various concentrations (30 mg/L, 60 mg/L, and 100 mg/L) to achieve three different compositions of ternary Ni-P–graphene coatings, namely Ni-P-30 mg G, Ni-P-60 mg G, and Ni-P-100 mg G, respectively. Surface roughness was characterized via topography employing a laser confocal microscope. Coating hardness was characterized using Vickers hardness and the composition analyses were carried out via energy dispersive spectroscopy. SPE was conducted via Tungsten carbide (WC) erodent ball at three different impact angles and two different particle velocities. Finally, Hertzian indentation was performed under two different loads to characterize the denting behavior of coatings. Eroded and dented coatings were further visualized via an optical microscope. The highest concentration of graphene (by 18 vol.%) in Ni-P-30 mg G coating improved the hardness, leading to the smallest size of indents during both SPE and Hertzian indentation. Also, Ni-P-30 mg G exhibited no evidence of cracking under normal impact angle and particle velocities of 35 ms−1 and 52 ms−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.
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 | 0,000 |
| 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 découle