A Novel Hybrid Ultrasound Abrasive-Driven Electrochemical Surface Finishing Technique for Additively Manufactured Ti6Al4V Parts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Poor surface quality is one of the drawbacks of metal parts made by additive manufacturing (AM)—they normally possess relatively high surface roughness and different types of surface irregularities. Post-processing operations are usually needed to reduce the surface roughness to have ready-to-use parts. Among all the surface treatment techniques, electrochemical polishing has the highest finishing efficiency and flexibility. However, although the average surface roughness can be reduced effectively (more than 80% roughness reduction), large-scale surface waviness still remains an issue when finishing metal AM parts. To maintain the finishing efficiency while reducing the surface waviness, a novel hybrid surface finishing technique is designed, which involves the combination of electropolishing, ultrasonic vibration, and abrasion. Preliminary experiments to prove the feasibility of novel hybrid finishing methods were conducted on Ti6Al4V coupons manufactured via laser powder bed fusion (LPBF). Electropolishing, a combination of ultrasound and abrasion, and hybrid finishing were conducted for process optimization and comparison purposes. The effects of the voltage, inter-electrode gap, temperature, ultrasonic amplitude, abrasive concentration, and processing time were studied and optimized. When similar optimal arithmetic mean height values (Sa ≈ 1 μm) are achieved for both processes, the arithmetic mean waviness values (Wa) obtained from hybrid finishing are much less than those from sole electropolishing after the same processing time, with the amount being 61.7% less after 30 min and 40.0% after 45 min.
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.
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 découle