MétaCan
Menu
Retour à la cohorte
Enregistrement W4376881367 · doi:10.31399/asm.cp.itsc2023p0538

Modeling the Formation of Thermal Spray Coatings on Substrates with Arbitrary Shapes

2023· article· en· W4376881367 sur OpenAlexaff
Behrouz Haghighi, Mohammad Passandideh‐Fard, J. Mostaghimi

Notice bibliographique

RevueThermal spray · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceResidual stressCoatingMicrostructureYttria-stabilized zirconiaSubstrate (aquarium)Composite materialThermal sprayingFinite element methodCubic zirconiaPorosityStress (linguistics)Die (integrated circuit)Surface finishCeramicStructural engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract The formation of Nickel coatings on stainless steel substrates and YSZ (Yttria-Stabilized Zirconia) on NiCrAlY in the Atmospheric Plasma Spray (APS) process is investigated. Coating formation over a substrate with an arbitrary shape (an inclined step in this paper) is considered. The topography of the coatings, as well as their microstructure, e.g., porosity, average thickness, and average roughness, are evaluated. An algorithm, which is based on the Monte-Carlo stochastic model, is employed. The significant difference between the coating temperature and that of the substrate leads to the formation of residual thermal stresses. These stresses are analyzed using Object Oriented Finite-element software (OOF) developed by the National Institute of Standards and Technology (NIST). An image of the cross-section of the coating is imported into the code, which utilizes an adaptive meshing technique and Finite- Element Method to calculate residual thermal stresses. The maximum stress in the coatings occurs at the interface between the coating and the substrate. The coatings' topography and microstructure are compared with those of the experiments.

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 enseignants0,306
Score d'incertitude au seuil0,588

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 Opus0,018
Tête enseignante GPT0,223
Écart entre enseignants0,205 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207