MétaCan
Menu
Retour à la cohorte
Enregistrement W3202423703 · doi:10.3390/coatings11101214

Sintering Modeling of Thermal Barrier Coatings at Elevated Temperatures: A Review of Recent Advances

2021· review· en· W3202423703 sur OpenAlexafffund
Xin Wang, Kuiying Chen, Kang N. Lee

Notice bibliographique

RevueCoatings · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensNational Research Council CanadaCarleton University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésThermal barrier coatingCoatingMaterials scienceSinteringAero engineGas turbinesService lifeTurbine bladeThermalTurbineMechanical engineeringCatastrophic failureComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

To achieve a higher efficiency in gas turbine engine by increasing the inlet-temperature of burning gas is one of the primary goals in aviation industry. The development of thermal barrier coating system (TBCs) continuously raises the inlet-temperature of gas turbine engine in the past decades. Due to the complexity of TBCs and harsh operation environments, the degradation and failure mechanisms of hot section components have not been fully understood, and consequently limits the application of TBCs. It was identified that high-temperature sintering of the topcoat in a typical TBC could be one of the major sources of its failure since the microstructures of the constituent coating layers evolve dynamically during the service period, resulting in significant changes of mechanical and thermal physical properties of the coating system. This paper intends to review recent advances of analytical and numerical modeling of sintering of topcoat in TBCs including the modeling methodology and applications of the models, particularly the implementation of finite element combined with specific materials constitutive functions. Critical remarks on the future development and applications of these models are also discussed in the end.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,033
Tête enseignante GPT0,307
Écart entre enseignants0,274 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207