Wear Behaviour of Al-based Composite Coatings Obtained by Laser Cladding and Reinforced with WC, TiC and SiC Particles
Notice bibliographique
Résumé
The present study investigates the influence of the composition and the reinforcement nature of laser cladded metal matrix composite (MMC) coatings on the hardness and adhesive wear behaviour. Laser cladding was carried out on an Al–Si–Mg substrate using a cw Nd:YAG laser and a coaxial powder injection system. Coatings were made of an Al/Si matrix (powder size of 45–90 μm) containing 12 wt-%Si and reinforcements of WC (spherical or crushed), TiC or SiC particles (size of 50–150 μm) with a volume fraction ranging from 0 to 50%. Samples were characterised using optical microscopy, 278 hardness measurement and adhesive wear testing (ball–on-disk device). Reinforcement ratio increased the bulk coating hardness up to a maximum value of 280 HV5 regardless of the reinforcement particle nature. As the volume fraction of TiC, WC or SiC increases, adhesive wear damage evolved from severe to mild wear and the worn volume can be reduced by a factor of 20. Regardless of the reinforcement particle type, the higher wear resistance was observed with a reinforcement ratio of 35 vol.-%. Although the mechanical characteristics of the different reinforcement particles are dissimilar, no significant difference could be observed between laser cladded MMC coatings containing TiC, SiC or WC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».