Investigating the nanoscale hardness/strength properties of high-entropy alloy particles using the nanoindentation technique
Notice bibliographique
Résumé
Particulate feedstock constitutes the building block in modern day additive manufacturing (AM) era. Cold spray (CS) is a leading process technology to adhere to the AM principle. Therefore, meeting feedstock qualities is of utmost interest to ensure the conformability and competitiveness of the developed industrial modules, including coatings, architectured components, and additively repaired devices. This research advances the understanding of nanoscale hardness/strength properties of particulate matters, specifically of an emerging material class, - high-entropy alloys (HEAs). The feasibility of determining the hardness of mechanically alloyed AlCoCrFeNix (x = 0, 1, 2.1) HEA particles was studied employing the nanoindentation technique. Mechanical properties of milled AlCoCrFeNix particles with varying Ni atomic ratio (x = 0, 1, 2.1) were investigated over different milling times ranging between 4 to 24 hours. The study analyzed the impact of mounting resin, pre-determined maximum load, and indentation depth on hardness/strength properties. Results reveal that the hot mounted samples yielded greater accuracy and higher hardness values than compared to those of the cold mounted samples. Additionally, although the low-load sensitivity of AlCoCrFeNix provided consistent nano-scale hardness values across selected loads, their hardness values were found to be depth-dependent. Overall, the study concludes with a methodology for the nano-scale hardness/strength measurement of HEA particles that must account for particle size, sample preparation technique, and nanoindentation test parameters.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».