MétaCan
Menu
Retour à la cohorte
Enregistrement W4382786854 · doi:10.3390/ma16134694

On the Fabrication of High-Performance Additively Manufactured Copper Winding Using Laser Powder Bed Fusion

2023· article· en· W4382786854 sur OpenAlexafffund
Mohamed Abdelhafiz, Ali Emadi, M.A. Elbestawi

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésFabricationMaterials scienceFusionCopperLaserComposite materialMetallurgyOptics

Résumé

récupéré en direct d'OpenAlex

Due to its exceptional electrical and thermal conductivity, pure copper is frequently employed in industry as the base metal for thermal management and electromagnetic applications. The growing need for complicated and efficient motor designs has recently accelerated the development of copper additive manufacturing (AM). The present work aims to improve the power density of the copper laser powder bed fusion (Cu-LPBF) coil by increasing the slot-filling factor (SFF) and the electrical conductivity. Firstly, the dimensional limitation of Cu-LPBF fabricated parts was identified. Sample contouring and adjusting beam offset associated with optimum scan track morphology upgraded the minimum feature spacing to 80 μm. Accordingly, the printed winding's slot-filling factor increased to 79% for square wire and 63% for round wire. A maximum electrical conductivity of 87% (IACS) was achieved by heat treatment (HT). The electrical impedance of full-size Cu-LPBF coils, newly reported in this study, was measured and compared with solid wire. It can reflect the performance of Cu-LPBF coils (power factor) in high-frequency applications. Furthermore, surface quality benefited from either sample contouring and HT, where the side surface roughness was lowered by 45% and an additional reduction of 25% after HT.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,013
Score d'incertitude au seuil0,998

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)0,0020,000

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 Opus0,020
Tête enseignante GPT0,222
Écart entre enseignants0,202 · 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.

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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207