Tailoring Resin–Metal Adhesion by Femtosecond Laser Surface Texturing
Notice bibliographique
Résumé
Epoxy resin wettability and adhesion on metal surfaces are of interest to composite manufacturing processes in two aspects: while higher adhesion is desired for composite to metal part bonding, lower adhesion is expected for metal tools used in the composite fabrication process. Among several surface modification techniques to achieve such increased/decreased adhesion strengths, femtosecond laser micromachining is a sustainable and scalable technique. Therefore, this study aims to explore epoxy resin adhesion behavior against femtosecond laser micromachined aluminum surfaces as a function of different microscale topographies. The texture types include microscale hexagonal and cylindrical hole patterns with different solid/air surface fractions and comparatively smaller‐scale laser‐induced periodic surface structures. Based on polished metal contact angle results, desired texture geometries are selected in a range to theoretically favor or inhibit resin penetration into microcavities. Theoretical predictions are derived from the capillary effect and Gibb's energy difference. The adhesion strength of resin to metal is examined by tensile tests. All the laser‐textured surfaces show considerably increased adhesion strengths compared to polished surfaces. Scanning electron microscopy and laser profilometry analysis on failed surfaces confirm resin penetration into all textures. Nevertheless, hexagonal holes, which exhibit the highest microcavity volume, show potential for air trapping.
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 | 0,000 | 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) | 0,000 | 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 ».