MétaCan
Menu
Retour à la cohorte
Enregistrement W4281617389 · doi:10.3390/coatings12060759

Mechanical Properties and Residual Stress Measurement of TiN/Ti Duplex Coating Using HiPIMS TiN on Cold Spray Ti

2022· article· en· W4281617389 sur OpenAlexaff
Nhat Minh Dang, Wen‐Yen Lin, Zhaoying Wang, Sima A. Alidokht, Richard R. Chromik, Terry Yuan-Fang Chen, Ming-Tzer Lin

Notice bibliographique

RevueCoatings · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTinTitanium nitrideResidual stressCoatingTitaniumMetallurgyHigh-power impulse magnetron sputteringComposite materialTungsten carbideSputter depositionThin filmNitrideSputteringLayer (electronics)Nanotechnology

Résumé

récupéré en direct d'OpenAlex

This study investigated the mechanical properties and the residual stress of high-power impulse magnetron sputtering (HiPIMS) titanium nitride (TiN) thin film capping on cold spray titanium (Ti) coating. This TiN/Ti duplex coating was deposited on the Ti substrate, and the cold spray titanium (Ti) coating was prepared in three cases with different numbers of layers. The study determined Young’s modulus, hardness, and roughness of TiN thin film and cold spray Ti coatings by nano-indentation and AFM. The residual stress measurement of TiN/Ti duplex coating was conducted using the ring-core drilling method. A focused ion beam (FIB) drilled the TiN/Ti duplex coating with various milling depth steps. The corresponding images were obtained with a scanning electron microscope (SEM). The relationship between surface deformations and relaxation stress after each milling depth step was obtained using the digital image correlation (DIC) method. The results showed TiN/Ti duplex coating exhibited excellent mechanical properties, and the residual stresses were not significantly changing with different Ti cold spray substrates, showing the feasibility of coating technology for the future applications in the aerospace industry.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,079
Tête enseignante GPT0,216
Écart entre enseignants0,137 · 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'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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetMetal and Thin Film MechanicsTravaux en français237 207