MétaCan
Menu
Retour à la cohorte
Enregistrement W4361306793 · doi:10.1016/j.jmrt.2023.03.181

Laser powder bed fusion of Alumina/Fe–Ni ceramic matrix particulate composites impregnated with a polymeric resin

2023· article· en· W4361306793 sur OpenAlexaff
Mohammad Azami, Armin Siahsarani, Amir Hadian, Zahra Kazemi, Davood Rahmatabadi, Seyed Farshid Kashani-Bozorg, Karen Abrinia

Notice bibliographique

RevueJournal of Materials Research and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCeramicSinteringComposite materialMicrostructurePorosityFabricationComposite numberPolymerSelective laser sinteringVickers hardness test

Résumé

récupéré en direct d'OpenAlex

Additive Manufacturing (AM) plays a key role in meeting the vital demands of Industry. The AM industry needs the range of applicable materials to be expanded by conducting research on novel ones. In the present investigation, alumina/Fe–Ni (steel) ceramic matrix particulate composite was fabricated employing laser powder bed fusion (LPBF) additive manufacturing (AM) technology. The quality of the printed samples was associated with the LPBF process parameters, which were optimized for this process. In general, the fabricated samples showed a microstructure of alumina matrix with uniform distribution of steel (Fe–Ni) particles. The as-printed samples exhibited pores. Thus, they were subjected to a sintering heat treatment cycle under an inert atmosphere. Although the sintering cycle considerably increased the average Vickers hardness, pores were not eliminated entirely. Therefore, polymer impregnation of the as-sintered samples was carried out to reduce porosities and microcracks. The mercury porosimeter showed that the porosity decreased sequentially after sintering and polymer impregnation. In addition, mechanical investigations revealed that the polymer impregnation improved the compressive strength of the sintered samples (from 56 to 120 MPa). Alumina-based materials find wide applications in various fields, including the manufacturing of electronic components, cutting tools, biomedical implants, and catalyst converters, owing to their low density, high hardness, wear and corrosion resistance, and biocompatibility. This study presents a viable approach for the fabrication of these materials, with developed samples exhibiting promising properties. The study emphasizes the potential of additive manufacturing as an approach for the fabrication of ceramic matrix composites reinforced with metallic particulates in future research.

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 enseignants0,000
Score d'incertitude au seuil0,002

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,288
Écart entre enseignants0,268 · 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

Citations50
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207