Cold-Sprayed Ni and NdFeB-Al Powders Recovery and Reuse
Notice bibliographique
Résumé
As cold spray additive manufacturing matures, significant efforts are being made to develop spray conditions for more challenging materials, thereby expanding the technology's range of applications. One main challenge while using commercially available equipment is that, even under optimized conditions, deposition efficiency remains low for some materials. Powder particles that do not adhere are wasted, which can severely affect the process economics, especially in a mass production context and/or when expensive feedstocks are used. Powder recovery and reuse is a logical solution to mitigate this problem, yet few studies evaluate its feasibility and its impact on powder characteristics and ultimately coating performance. In this work, powder recovery was investigated for two cases: a Ni powder and a NdFeB-Al powder mix, used respectively for repair applications and for the fabrication of permanent magnets. A prototype recovery system was built, achieving a recovery efficiency of up to 75%. The powders were recovered after up to four spray runs, and their morphology and size distribution were characterized. The magnetic properties of both powders and coatings were evaluated using hysteresis measurements. Although the process affects the particle size distribution and their magnetic properties, powders remain suitable for re-deposition for both materials. In particular, it was shown that NdFeB-Al mix maintains 97% of its initial magnetic performance under industrial operating conditions.
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 | 0,000 |
| 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 ».