Functionally Graded Materials Fabrication Using Wire Arc Additive Manufacturing: A Review of Recent Research Progress
Notice bibliographique
Résumé
Functionally graded materials (FGMs) are materials with a particular characteristic that changes across their various sections. Wire arc additive manufacturing (WAAM) is a highly efficient method of additive manufacturing (AM), and it has been widely used in the manufacturing of FGMs over the last decade. WAAM enables the fabrication of two types of FGMs: discrete and continuous gradients. FGMs can include more than two types of metals or alloys; however, most FGMs produced using WAAM consist of only two different types of metals, forming a structure commonly known as bimetals. In this study we discuss the WAAM system, WAAM modifications to improve FGM construction, various strategies for building FGMs, and characterization of FGMs produced by WAAM. Additionally, various bimetallic parts of FGMs produced by WAAM are reviewed. WAAM has primarily been used to produce Steel-Steel and Ni-Steel FGM parts, with other FGMs involving combinations like Cu or Ti with metals, such as Al, Ni, and Steel. Recent studies have also explored novel FGMs incorporating refractory elements and high-entropy alloys. Furthermore, more complex FGMs, including those incorporating ceramic particles, have recently been developed using WAAM in combination with other manufacturing techniques. The production of each FGM part presents unique challenges that require specific solutions during production. Depending on the type of FGM part, different solutions have been employed, which are discussed in this study. Lastly, the review examines post-heat treatments applied to these materials and their corresponding effects on the fabricated FGMs, along with proposed directions for future research.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».