Investigating the Impact of PVD Process Parameters on Residual Stress Distribution: A Multiscale Numerical Analysis Approach
Notice bibliographique
Résumé
Abstract Residual stress in thin PVD coatings arises from a combination of growth stress and thermal stress. Despite the lower processing temperature, thermal mismatch stresses can be significant due to variations in physio-thermal properties between the coating and substrate materials. Understanding the underlying physics of the deposition process and resulting stresses, particularly thermal stresses within the coating-substrate system, is paramount. Key physical parameters of both the coating and the substrate, such as coefficient of thermal expansion and elastic modulus, significantly influence thermal stresses. There is a demand for a comprehensive methodology in thermo-mechanical design, specifically for layered coatings, that should complement experimental procedures used to evaluate coating performance. Although analytical models can handle linear-elastic or simple elastic-plastic materials for thermal stress prediction, numerical techniques such as finite element analysis (FEA) can address more general 2D or 3D problems in simulating thermal stresses within coating-substrate systems. This study employs a multi-scale numerical approach to estimate the residual stress distribution within the coating-substrate system. Validation of the numerical model is conducted against experimental findings concerning a TiB2 - Tungsten Carbide coating-substrate configuration. The validated model is then utilized to explore the influence of process parameters on residual stress distribution across various coating-substrate systems.
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 | 0,001 |
| 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 ».