Optimization of Solution Precursor Plasma Spray Process by Statistical Design of Experiment
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
Abstract The solution precursor plasma spray (SPPS) process, in which a solution precursor of the desired resultant material is fed into a plasma jet by atomizing gas or high pressure, was developed in the 1990’s and has been studied extensively since then. Recently, it has been shown that the SPPS process is suitable for deposition of porous electrodes for solid oxide fuel cells (SOFC). High efficiency SOFC requires electrodes with 30%-40% porosity. Because of the complexity of the SPPS process and the large number of processing parameters, it is difficult to investigate the effect of each parameter on the two important properties, i.e. coating porosity and deposition efficiency, separately. Design of experiments can use a small number of experimental runs to analyze the effect of each processing parameter on the properties of the fabricated product, after which the processing parameter combinations for fabricating a target product can be found. In this project, a small central composite design, a second order statistical model, was used to analyze and optimize the SPPS process for Ni-YSZ anode deposition. The processing parameters investigated include: 1) Hydrogen flow rate, which determines arc voltage, 2) Current , 3) Solute flow rate, 4) Solution concentration, 5) Distance between nozzle and gun, and 6) Stand off distance. The effects of the selected processing parameters were analyzed, and the resultant model used to select a combination of processing parameters which produced a coating with the desired characteristics.
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 | 0,000 |
| 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 découle