MétaCan
Menu
Retour à la cohorte
Enregistrement W4401586802 · doi:10.20944/preprints202407.2451.v1

Coating of Refractory Surfaces with Fine TiO<sub>2</sub> Particles via Gas‐Dynamic Cold Spraying

2024· preprint· en· W4401586802 sur OpenAlexaboutno aff
Olha Aleksieieva, Mustafa Bozoglu, Pavlo Tretiakov, Andrii Toporov, Sergiy Antonyuk

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesAlexander von Humboldt-Stiftung
Mots-clésRefractory (planetary science)CoatingMaterials scienceGas dynamic cold sprayComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Refractory materials are used worldwide in process equipment. However, gaseous and liquid process products penetrate the surface layer, and deep into the volume of refractories destructing rather expensive constructions complicated to repair. To address this challenge, there is a need to develop protective coatings for refractory that can limit the penetration of working media and extend their operational lifespan. In this work, the application of gas-dynamic cold spraying (CGDS) to produce a coating on the refractory using fine titanium dioxide (TiO2) particles is explored. These particles are accelerated within a nitrogen flow, passing through a Laval nozzle, and then sprayed onto a fireclay surface. The mechanisms of particle deposition and layer formation on porous surfaces through experiments and numerical simulations were investigated. The geometry of a typical refractory pore was determined, which was then incorporated into Computational Fluid Dynamics (CFD) simulations to model the cold spraying process of porous substrates. As a result, the influence of the particle size on its velocity and angle of penetration into pores was established. Experimental findings demonstrate the effective closure of pores and the formation of a particle layer on the refractory surface. Furthermore, the nanoindentation tests for the refractory samples showcase capabilities for checking coating thickness for porous materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,077
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,035
Tête enseignante GPT0,279
Écart entre enseignants0,244 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207