Analysis of the Effects of ZrO2 Nanoparticles on the Penetration in GMAW Process
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
In this study, ZrO2 Nano-particles to improve the geometry and increased penetration welding has been used on the St37 sheet, in GMAW process. In the GMAW process of selecting appropriate values for the input parameters necessary in order to achieve weld is high with appropriate geometry and penetration. Since the stress-bearing capacity of the weld geometry, weld quality and also has an important role in determining the mechanical properties of the weld. In this study, the effects of voltage, wire feed speed, distance nozzle to the work piece, welding speed and coating thickness of ZrO2 Nano particles is intended as input parameters. The first, for coating Nano particles with specific dimensions on the surface of parts to be coated welding operation. After welding the weld penetration depth was evaluated. increasing the depth of penetration of the active coating on the surface (Nano zirconium oxide), which place the mechanisms leading to increased focus and arc current density at the top of the arc. Marangoni has also changed from negative to positive flow direction, the depth of penetration is increased. The results showed that fixed taking into account the input parameters and increase the coverage of ZrO2 Nano-particles on the surface to thickness 0.75 mm, weld penetration depth compared to non-Nano scale zirconium oxide coating has been increased. in addition to the effect of ZrO2 nanoparticles as a coating surface-active and increase the depth of penetration, such particles can cause tiny inclusions inside the structure weld, nucleation centers has been caused for the formation of acicular ferrite.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle