The Effect of Multi-Walled Carbon Nanotubes Additives on the Tribological Properties of Austempered AISI 4340 Steel
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
Due to a combination of optimal properties such as great strength, high hardness, good process ability, and good mechanical properties, AISI 4340 steel is widely used in many critical industrial applications such as nuclear, military, defense, and aerospace. It is also widely used in hydraulic forged machine tools, forged automotive crankshaft systems, shafts and gears, because of their improved characteristics, and its good tribological properties. The purpose regarding this work is to check the tribological characteristics of austempered AISI 4340 steel while dry and lubricated with machinery oil of SAE 30 grade as base oil. As received, AISI 4340 steel samples have been austempered to four definitely austenitic phase temperatures (850℃, 900℃, 1000℃, and 1050℃) for 90 minutes before being immersed in a mixture of potassium nitrite and sodium nitrite at 400℃ for 45 minutes. Friction and wear tests were then performed on austempered samples. Multi-walled carbon nanotube particles were blended at weight concentrations of 0.055, 0.1, 0.15, 0.20, 0.25, 0.30, 0.35, 0.40, and 0.45 with typical machinery oil of 30 grade as base lubricant oil. A pin on the disc wear configuration was used in the experimental investigation. The use of Multi-Walled Carbon Nanotube (MWCNTs) additives in the base oil resulted in a decrease in both friction coefficients and wear rates values when compared to typical base oil lubricant. The results also showed a reduction in both friction coefficients and wear rates as the sample's austempering temperatures were raised. Sliding surfaces were also photo micro graphed, and when the volume concentrations of Multi-Walled Carbon Nanotube particles in the normal base oil lubricant were increased, smoother surfaces with less damage were shown.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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