MétaCan
Menu
Retour à la cohorte
Enregistrement W4313435693 · doi:10.31399/asm.cp.itsc2019p0512

Microstructural and Performance Analyses of Thermally Sprayed Electric Resistance Heating Systems as De-Icing Elements

2019· article· en· W4313435693 sur OpenAlexaff
André McDonald, Morvarid Mohammadian Bajgiran, Christian Moreau

Notice bibliographique

RevueThermal spray · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensConcordia UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNichromeThermal sprayingComposite materialGas dynamic cold sprayMicrostructureCoatingMetallurgyElectrical resistivity and conductivityAluminiumSuspension (topology)Corundum

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the microstructure and efficiency of coating-based heating elements produced by deposition of various powders, including aluminum oxide (Al2O3), alumina-titania (Al2O3-TiO2), nickel-chromium (NiCr), and copper, using flame spraying, suspension plasma spraying, high-velocity oxyfuel (HVOF) spraying, and cold spraying techniques. The main goals are to assess the dielectric strength of flame and plasma sprayed alumina, compare the electrical resistivity of HVOF and flame sprayed NiCr, and obtain coating cross-sectional images to shed light on the challenges and potential of different heating element designs. The Al2O3 layer produced by suspension plasma spraying appeared to be more reliable due to its cauliflower-like structure, corundum content, and hygroscopic properties. Resistivity was found to be higher in the flame sprayed NiCr than in the HVOF deposit mainly due to discontinuities and imperfections such as cracks, pores, and oxygen content. The micrographs taken from sample cross-sections show penetration of flame-sprayed NiCr into the flame-sprayed Al2O3 and Al2O3-TiO2 layers, which decreases the effective thickness of the dielectric. However, interlocking between NiCr and Al2O3-TiO2 coatings can be beneficial when cohesion is a concern.

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 candidatesaucune
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 enseignants0,111
Score d'incertitude au seuil0,778

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,249
Écart entre enseignants0,239 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207