Effects of Feedstock Mixing Composition on the Cold Sprayability of Bimodal Size 316L/Fe Powder Mixtures
Notice bibliographique
Résumé
Abstract In this study, 43 μm 316L stainless steel and 23 μm commercial purity Fe feedstocks were used. The following coatings were made by cold spray: single component 316L, Fe, and their binary composites with nominal compositions of 20 wt.% Fe (20Fe), 50 wt.% Fe (50Fe) and 80 wt.% Fe (80Fe). The coatings were characterized (microstructure, flattening ratio, composition) and the cold sprayability metrics (DE, porosity, coating cohesion strength) were analyzed. Results show that the single component 316L coating has a much better DE and coating cohesion strength, and a slightly lower porosity as compared with the Fe coating, whereas all the composite coatings have the similar cohesion strength. Moreover, the 20Fe coating features the highest porosity and the lowest DE; 50Fe coating features the lowest porosity; and the 80Fe coating features the highest DE. To characterize the feedstock mixture composition, in addition to the usual approach of weight or volume fraction, the ratio of the 316L and Fe particle numbers in a mixture (i.e. particle number fraction), was calculated. Using this metric, the effects of the feedstock mixing composition on the cold sprayability of bimodal size 316L/Fe powder mixtures can be better explained.
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 ».