Additive Manufacturing of Ti-Based Alloys: Microstructure, Mechanical Properties, and Corrosion Behavior
Notice bibliographique
Résumé
Implementation of rapid prototyping additive manufacturing (AM) has revolutionized and accelerated applications of materials in manufacturing aviation components, personalized prosthetics, and implants with complex geometries and microstructures. Due to its highly-versatile material processing and precise structure control, AM has been widely employed in manufacturing titanium (Ti) and its alloys, as seen in AM-based techniques, including fused deposition modeling (FDM), techniques based on powder bed fusion (PBF) including selective laser sintering (SLS), selective laser melting (SLM), and electron beam melting (EBM), and methods based on direct energy deposition (DED) such as laser engineered net shaping (LENS) and wire arc additive manufacturing (WAAM). Processing Ti alloys, however, is a challenging task due to its complications associated with the processing parameters and the influences on structures and properties of manufactured parts or products. In this paper, we review the AM of Ti and its alloys, focusing on the microstructure of AMed Ti-based parts or products and their mechanical and corrosion properties. This study also addresses the potential of AM methods for the production of complicated components, including cellular structures, and their utilization in the aviation and medical fields. Key challenges and trends of the FDM, PBF-based, and DED methods are also identified and discussed, along with recommendations for future studies on AM-fabricated Ti alloys for improved properties.
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 ».