MétaCan
Menu
Retour à la cohorte
Enregistrement W4415246922 · doi:10.3390/coatings15101216

An Overview of Metallic Abradable Coatings in Gas Turbine Engines

2025· article· en· W4415246922 sur OpenAlexafffund
Kaue Bertuol, Bruno Edu Arendarchuck, Pantcho Stoyanov

Notice bibliographique

RevueCoatings · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensConcordia University
Organismes subventionnairesConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésAerospaceTurbineMaterial selectionThermal barrier coatingTurbine bladeGas turbinesThermal

Résumé

récupéré en direct d'OpenAlex

This review presents a comprehensive overview of metallic abradable coatings and the advanced testing methodologies used to evaluate their performance in gas turbine engines. Abradable materials are engineered to act as sacrificial coatings, enabling minimal blade tip wear while maintaining tight clearances between rotating blades and stationary components. Such functionality is critical in aerospace applications, where engines operate at high rotational speeds and across wide temperature ranges. The review examines the principal factors governing the design and selection of metallic-based abradable coatings, including material composition, thermal stability, and microstructural tailoring through the addition of phase modifiers, porosity formers, and solid lubricants. The performance of various metallic matrix materials is also discussed concerning their operational temperature ranges and wear characteristics. Particular attention is given to abradability evaluation methods, emphasizing the need to replicate engine-representative conditions to capture blade–coating interactions, frictional behavior, and wear mechanisms. This review consolidates advances in material compositions, microstructural engineering, and experimental testing, integrating perspectives from materials science, tribology, and methodology to guide the development of next-generation turbine coatings. It specifically addresses the lack of a unified review linking material design, thermal spray processes, and performance evaluation by summarizing key compositions, microstructures, and testing methods.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,021
Tête enseignante GPT0,280
Écart entre enseignants0,259 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207