MétaCan
Menu
Retour à la cohorte
Enregistrement W4408922575 · doi:10.3390/met15040370

Tribological Investigation of Plasma-Based Coatings for Use in Quasi-Monolithic Engine Cylinder Bores

2025· article· en· W4408922575 sur OpenAlexaff
Siddharth Banerjee, Joshua Stroh, D. Sediako, Jimi Tjong

Notice bibliographique

RevueMetals · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTribometerMaterials scienceTribologyPiston ringReciprocating motionCylinderPiston (optics)Composite materialCoatingScanning electron microscopeProfilometerLubricationMetallurgyMechanical engineeringOpticsSurface finish

Résumé

récupéré en direct d'OpenAlex

This study evaluates the tribological characteristics of quasi-monolithic engine cylinder coatings and piston rings using a custom-built linear reciprocating tribometer. The coatings were deposited on an Al-Si alloy cylinder bore using the Plasma Transfer Wire Arc (PTWA) and Electrolytic Jet Plasma Oxidation (EJPO) processes. The coatings’ tribological performances were investigated in the boundary lubrication regime. The performance of conventional chrome-coated cast iron piston rings was tested and compared to that of EJPO- and PTWA-coated engine cylinder samples that were extracted from a cast Al-Si engine block. Scanning electron microscopy and profilometry were used to compare the evolution of wear and the prevalent wear mechanism. This paper also presents the verification and repeatability analysis of a custom-built tribometer against a standard industry-calibrated tribometer. The wear test results showed that the EJPO coating had 0.05% to 10.35% lower wear rates than its PTWA counterpart throughout a wide range of loading conditions and sliding distances. The variation in the counter-face behavior is likely due to the different surface topographic parameters such as skewness, kurtosis, and porosity.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,252
Écart entre enseignants0,223 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetTribology and Lubrication EngineeringTravaux en français237 207