Abrasive slurry jet machining of maskless helical micro-channels on rods: Process modeling using computational fluid dynamics
Notice bibliographique
Résumé
A novel lathe setup and computational fluid dynamics approach were employed to assess the feasibility of using miniature abrasive slurry jets to direct-write helical micro-channels into 5 mm stainless steel rods. Multiple nozzle passes at offsets between 0 and 2.5 mm produced maskless channels of various depths and widths at a helix angle of 7.25°. Channels at aspect ratios up to ~0.5 were produced at depths of ~340 μm with a maximum depth variation of 2.4 %. At zero offset, the rods failed at a critical depth due to bending-induced stresses. Finite element analysis confirmed that using an offset reduced these stresses. At lower offsets where the jet footprint was fully on the rod, the channel depth increased linearly with the number of passes, while the channel width initially increased and then plateaued. An optimal offset of 1 mm yielded the narrowest and deepest channels. A CFD-aided model simulating the fluid flow, particle trajectories, and evolving channel topography was used to explain these trends. It utilized a virtual wall technique to correct particle impact data and predicted the eroded channel topography with a maximum error of 5.6 %. Variations in stagnation zone pressure and location at different offsets affected the particle trajectories and impact velocities. At the optimal offset, the particles at the jet centerline were less affected by the stagnation zone, thus maximizing their flux and impact velocity. This is the first study to demonstrate rapid direct-writing of helical micro-channels on rods using abrasive slurry jets, and it may have significant applications in inertial microfluidics.
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 ».