MétaCan
Menu
Retour à la cohorte
Enregistrement W4415927664 · doi:10.15353/hi-am.v1i1.6780

An innovative approach to enhancing strength and ductility in cold spray 3D printing through engineered heterogeneous laminate microstructures

2025· article· W4415927664 sur OpenAlexafffund
Niloofar Eftekhari, Hamid Jahed

Notice bibliographique

RevueProceedings of the Holistic Innovation in Additive Manufacturing (HI-AM) Conference · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrostructureDuctility (Earth science)Composite numberGas dynamic cold sprayWork hardening3D printingStrengthening mechanisms of materialsGrain size

Résumé

récupéré en direct d'OpenAlex

Achieving an ideal balance of strength and ductility in 3D-printed low-pressure cold spray materials is highly desirable yet remains a significant challenge. This paper introduces a dual heterogeneous laminated Cu/CuCrZr composite structure, characterized by varying properties between a soft and hard domains, manufactured through low-pressure cold spray followed by heat-treatment. The tailored heterogeneous Cu/CuCrZr microstructure features alternating coarse and fine grains, resulting in a hetero-deformation-induced hardening, caused by the mechanical incompatibility between the coarse grain Cu and fine grain CuCrZr layers, leading to an improvement of work hardening and increase of ductility. This performance is largely attributed to the well-bonded particles and hetero-deformation-induced (HDI) strengthening during plastic deformation. The strengthening effect is due to the accumulation of a substantial number of geometrically necessary dislocations (GNDs) at the heterogeneous interface, which enhances work-hardening and simultaneously boosts both the strength and ductility of the layered structure. The engineered laminate showed 205% and 115% improvement in strength and ductility compared to Cu and 10% and 28% improvement when compared to CuCrZr.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,093
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Holistic Innovation in Additive Manufacturing (HI-AM) ConferenceMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207