Improvement of Erosion-Corrosion Behavior of AISI 420 Stainless Steel by Ion-Assisted Deposition ZrN Coatings
Notice bibliographique
Résumé
In this paper, a pragmatic technique has been developed to evaluate the erosion-corrosion behavior of three kinds of ZrN coatings (i.e., monolayer, multilayer, and gradient layers) which were deposited on AISI 420 martensitic stainless steel using an ion-assisted deposition technology. Among them, the monolayer coating refers to the coating with no change in composition and structure, the multilayer coating refers to the coating with alternating change of Zr/ZrN, and the gradient coating refers to the ZrN coating by increasing N2 partial pressure gradually. The morphology, composition, and microhardness of these ZrN coatings were examined by means of integrating the scanning electron microscopy (SEM), X-ray diffraction (XRD), and Knoop hardness measurements, while anodic polarization tests and salt fog spray tests in a simulated industrial environment have been performed to evaluate and identify the corrosion mechanisms of these coatings. The surface microhardness and corrosion resistance of the AISI420 martensitic stainless steel is found to be significantly improved by depositing the ion-assisted deposition ZrN coatings. The study indicates that the erosion-corrosion behavior in the slurry is the result of the synergistic effect of small-angle erosion and acid solution corrosion. Three ZrN coatings hinder the slurry erosion-corrosion behavior from two aspects (i.e., erosion resistance of small-angle particles as well as corrosion resistance of the substrate), thereby significantly improving the erosion-corrosion resistance of AISI 420 stainless steel. In addition, the ZrN gradient coatings show a much better erosion-corrosion resistance than that of the monolayer/multilayer ZrN coating because they have excellent crack resistance, bearing capacity, and electrochemical performance.
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 ».