MétaCan
Menu
Retour à la cohorte
Enregistrement W3197556849 · doi:10.2218/iclass.2021.5919

Simulations of gas flow in gas atomisation of liquid metals and validation experiments

2021· article· en· W3197556849 sur OpenAlexaboutno aff
Christopher Hulme-Smith, Arun Kamalasekaran, S. Sundin

Notice bibliographique

RevueInternational Conference on Liquid Atomization and Spray Systems (ICLASS) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlow (mathematics)Materials scienceEnvironmental sciencePetroleum engineeringMechanicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The production of metal powder by gas atomisation generates feedstock for many manufacturing techniques, including hot isostatic pressing, laser cladding and, of current interest, powder bed additive manufacturing. While many thousands of alloys are commercially available in bulk form, fewer than fifty are widely available as powders suitable for additive manufacturing. This is due to difficulties in controlling droplet size distribution and avoiding particle defects. Indeed, a typical gas atomisation process that attempts to make powder for powder bed additive manufacturing achieves a yield of suitable powder below 50%. Several studies have simulated the gas atomisation process or part of it, but few validate the models directly. The current work aims to take a first step towards making a holistic and fully validated model for gas atomisation. The gas flow from de Laval nozzles under conditions similar to those used in gas atomisation has been simulated using computational fluid dynamics and experiments to validate these simulations have been performed using shadowgraphy. A validated model can be used as part of a larger model to predict the phenomena that occur in gas atomisation and thereby refine the process to improve the production yield of powders, especially for additive manufacturing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,268
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on Liquid Atomization and Spray Systems (ICLASS)Même sujetFluid Dynamics and Heat TransferTravaux en français237 207