MétaCan
Menu
Retour à la cohorte
Enregistrement W4313010910 · doi:10.31399/asm.cp.itsc2018p0166

Cold Spraying of Mixed Sn-Al Powders onto Carbon Fiber Reinforced Polymers

2018· article· en· W4313010910 sur OpenAlexaffabout
Andre C. Liberati, Hanqing Che, Stephen Yue, Phuong Vo

Notice bibliographique

RevueThermal spray · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFlame retardant materials and properties
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésTinMaterials scienceCoatingAluminiumMetallurgyCarbon fibersMetalPolymerComposite materialGas dynamic cold sprayFiberDeposition (geology)Composite number

Résumé

récupéré en direct d'OpenAlex

Abstract Pure metal coatings have successfully been cold sprayed on to carbon fiber reinforced polymers (CFRPs) in previous studies at McGill University. As a means to improve coating conductivity for lightning-strike protection (LSP) purposes, coatings with mixed metal powders were sprayed. There is also the possibility of improving the deposition efficiency (DE) since single component tin coatings previously had a maximum DE of only 20%. The studied coatings were based on a mix of tin and aluminum powders, the latter being a metal commonly used in the aerospace industry for its lightweight properties. The different coatings were characterized and compared to results on pure tin coatings and on mixed Sn-Cu and Sn-Zn coatings. The DE was measured for different conditions and compared to those of previous studies. Mixing tin and aluminum powders is discussed and various mechanisms related to cold spraying mixed powders on CFRPs are explored.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetFlame retardant materials and propertiesTravaux en français237 207