Simulation and Experimental Validation of Splat Profiles for Cold-Sprayed CP-Ti with Varied Powder Morphology
Notice bibliographique
Résumé
The cold spray (CS) process has gained momentum as an additive manufacturing technology, due to its low processing temperatures. Computational modelling can accompany CS experiments to optimise deposition parameters, as well as predict coating properties and their final performance. A commonly used plasticity model is the Johnson–Cook (JC) model; however, its accuracy is limited at the high strain rates typical of cold spray. This study aims to assess the robustness of predictions using a modified JC model, particularly for two material systems of commercially pure titanium (CP-Ti) and Al6061-T6, and feedstock powders of two sizes and three morphologies. CP-Ti powders of spherical and irregular morphologies were sprayed onto CP-Ti substrates using a Titomic TKF1000 cold spray system. The cross-sectional splat profiles and flattening ratios were compared against smoothed particle hydrodynamics (SPH) simulations. The deposition process of particles was simulated using a modified JC model, implemented as an ABAQUS (2020) VUHARD user subroutine programme. The results showed that SPH simulations predicted the depth of impact, the splat profiles and the flattening ratios. Additionally, the simulations indicated that the impacting particle temperature remained below the melting point of CP-Ti throughout the process. Lastly, it was demonstrated that the irregular CP-Ti feedstock showed greater tendency of restitution than spherical feedstock.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».