Elastic Modulus Measurements via Laser-Ultrasonic and Knoop Indentation Techniques
Notice bibliographique
Résumé
Abstract Nondestructive techniques for evaluating and characterizing coatings have been extensively demanded by the thermal spray community; nonetheless, few results have been produced in practice due to difficulties in analyzing the complex structure of thermal spray coatings. Of particular interest is knowledge of the elastic modulus values and Poisson’s ratios, which are very important when seeking to understand and/or model the mechanical behavior or develop life prediction models of thermal spray coatings employed in various applications (e.g., wear, fatigue and high temperatures (TBCs)). In the present study, two techniques, laser-ultrasonics and Knoop indentation, were used to determine the elastic modulus of thermal spray coatings. Laser ultrasonics is a non-contact and nondestructive evaluation method that uses lasers to generate and detect ultrasound. Ultrasonic velocities in a material are directly related to its elastic modulus value. The Knoop indentation technique, which has been widely used as a method for determining elastic modulus values, was employed in order to compare and validate the measurements of the laser-ultrasonic technique. The determination of elastic modulus values via the Knoop indentation technique is based on the measurement of elastic recovery of the dimensions of the Knoop indentation impression. The approach used in the present study was to focus on evaluating the elastic modulus of very uniform, dense and near-isotropic titania and WC-Co thermal spray coatings using these two techniques. Four different coatings were evaluated: two titania coatings produced by APS and HVOF and two types of WC-Co coatings, conventional and multimodal (nanostructured and micro-sized particles), deposited by HVOF.
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 ».