Temperature-driven tribological behaviour of PEO-coated AZ31 sliding against MoS₂-coated steel
Notice bibliographique
Résumé
Plasma electrolytic oxidation (PEO) treatment typically enhances the wear resistance of lightweight alloys but also significantly increases the coefficient of friction (COF). To address this limitation, particularly for PEO treated magnesium alloys, this study explores the use of MoS₂-coated steel counterfaces under lubricated sliding conditions up to 100 °C. The results showed that PEO-coated AZ31 sliding against MoS₂-coated steel exhibited consistently low COF and wear rates across the temperature range of 25 °C to 100 °C. At temperatures above 50 °C, a stable MoS₂-rich tribolayer formed on the PEO surface, effectively reducing friction and wear, particularly as the oil film thinned with increasing temperature. A slight increase in COF was observed between 75 °C and 100 °C, attributed to the formation of MoO₃, which reduced the lubricating effectiveness of the MoS₂ tribolayer. In contrast, uncoated AZ31, lacking a tribolayer, showed significant increases in friction and wear due to surface oxidation and thermally activated plastic deformation. This study demonstrates that pairing PEO-coated AZ31 with MoS₂-coated steel counterfaces is an effective strategy for lowering COF and wear rates at temperatures up to 100 °C, indicating potential for improving the tribological performance of magnesium alloys in high-temperature applications such as the automotive and aerospace industries. • PEO and MoS₂ reduced COF and enhanced AZ31's performance under high-temp lubrication. • PEO-coated AZ31 vs. MoS₂-steel showed low COF and wear from 25 °C to 100 °C. • Above 50 °C, MoS₂ tribolayer on PEO maintained low friction as uncoated AZ31's wear increased. • Between 75 and 100 °C, MoO₃ formation slightly increased COF, reducing MoS₂’s lubrication effectiveness.
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 | 0,001 | 0,001 |
| 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 ».