MétaCan
Menu
Retour à la cohorte
Enregistrement W4353071214 · doi:10.3390/ma16062525

Impact Deposition Behavior of Al/B4C Cold-Sprayed Composite Coatings: Understanding the Role of Porosity on Particle Retention

2023· article· en· W4353071214 sur OpenAlexafffund
Hannaneh Manafi Farid, André McDonald, James D. Hogan

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensUniversity of Alberta
Organismes subventionnairesInnotech Alberta
Mots-clésPorosityMaterials scienceComposite numberComposite materialDeposition (geology)Particle (ecology)Geology

Résumé

récupéré en direct d'OpenAlex

This study explores the role of porosity in the impact deposition of a ceramic-reinforced metal-matrix (i.e., Al/B4C) composite coating fabricated via cold spraying. The Johnson-Holmquist-Beissel constitutive law and the modified Gurson-Tvergaard-Needleman model were used to describe the high strain-rate behavior of the boron carbide and the aluminum metal matrix during impact deposition, respectively. Within a finite element model framework, the Arbitrary Lagrangian-Eulerian technique is implemented to explore the roles of reinforcement particle size and velocity, and pore size and depth in particle retention by examining the post-impact crater morphology, penetration depth, and localized plastic deformation of the aluminum substrate. Results reveal that some degree of matrix porosity may improve particle retention. In particular, porosity near the surface facilitates particle retention at lower impact velocities, while kinetic energy dominates particle retention at higher deposition velocities. Altogether, these results provide insights into the effect of deposition variables (i.e., particle size, impact velocity, pore size, and pore depth) on particle retention that improves coating quality.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,266
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207