MétaCan
Menu
Retour à la cohorte
Enregistrement W64638619 · doi:10.1522/030288542

Protection of metal and alloy surfaces using corrosion resistance nanostructured superhydrophobic coatings /

2012· book· en· W64638619 sur OpenAlexfundno aff
Ying Huang

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCorrosionMaterials scienceMetallurgyAlloyMetalNanotechnology

Résumé

récupéré en direct d'OpenAlex

Les surfaces superhydrophobes, lesquelles démontrent une forte déperlance de l'eau, sont récemment devenues un domaine très populaire en raison de leur importance scientifique et technologique ainsi que leur large gamme d'applications dans divers domaines. La préparation des surfaces nanostructurées superhydrophobe nécessite à la fois une rugosité optimale et une faible énergie de surface et, par conséquent, les surfaces superhydrophobe sont classiquement préparées employant deux étapes: une surface rugueuse et abaissant son énergie de surface. Dans notre travail actuel, le processus de fabrication de surfaces de cuivre superhydrophobe est simplifié en une simple étape. L'application d'une tension continue entre deux plaques de cuivre immergé dans une solution diluée d'acide stéarique éthanolique transforme la surface de l'électrode de cuivre anodique en superhydrophobe due à la formation de micronano fibres de stéarate de cuivre à faible énergie de surface, tel que confirmé par rayons X diffraction (XRD) et microscopie électronique à balayage (MEB). L'augmentation du potentiel de modification, ainsi que la temps de modification conduit à l'augmentation de la valeur de la faible énergie de surface des micronanostructures ainsi que l'augmentation de la superhydrophobicité des surfaces telle que mesurée par l'angle de contact de l'eau. Les surfaces nanostructurées superhydrophobes en alliage d'aluminium ont également été préparées par une procédure semblable comme il a été effectué sur les surfaces en cuivre. Cependant, les surfaces en alliage d'aluminium modifiées à l'acide stéarique n'ont pas montré les propriétés superhydrophobes. Par conséquent, les surfaces en aluminium sont d'abord revêtues de films en cuivre suivi par la modification électrochimique avec une solution d'acide stéarique. Le cuivre se développe que sur les surfaces des micropointes d'Al d'alliage AA6061. Les densités de surface des micropoints sont augmentées avec l'accroissement des potentiels négatifs. D'autre part, leurs tailles ainsi que les distances entre les micropointes sont réduites avec l'augmentation des potentiels négatifs du dépôt. L'angle de contact des surfaces, les rugosités du film de cuivre électrodéposé suivi par la modification électrochimique augmentent à l'augmentation des potentiels négatifs de dépôt de cuivre. Les films de cuivre modifiés à l'acide stéarique déposés à -0.6 V fournissent une rugosité de surface de 6.2 fim avec un angle de contact de l'eau de 157 ° offrant des propriétés superhydrophobes des surfaces en alliage d'aluminium AA6061. La prévention de la corrosion des surfaces superhydrophobes des alliages de cuivre et d'aluminium a été ensuite analysée par tests en laboratoire de corrosion ainsi que par les courbes de polarisation des surfaces avec différentes propriétés superhydrophobes. La diminution de la densité de courant de corrosion ainsi que l'augmentation de la résistance de polarisation montre que la surface du cuivre superhydrophobe est plus stable par rapport à la surface de cuivre dans l'environnement corrosif. Les deux Cu superhydrophobes et les surfaces en alliage Al AA6061 montrent propriétés anticorrosion. Toutefois, les surfaces en cuivre superhydrophobe sont plus stables que les surfaces superhydrophobe alliage Al AA6061 tel que préparé dans nos études.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,033
Tête enseignante GPT0,240
Écart entre enseignants0,208 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSurface Modification and SuperhydrophobicityTravaux en français237 207