Preparation of metal-carbon nanotube composite powders for thermal plasma spraying applications
Notice bibliographique
Résumé
Extensive research efforts are underway to generate composite coatings including carbon nanotubes (CNT) in order to improve the properties of the bulk coat. The present project concentrates on possible methods that would allow the plasma spraying of CNT-based nano-composite coatings. Various methods for producing metal-CNT composite powders for thermal plasma spraying are studied in this project. The first method discussed is based on CNT dispersion followed by an agglomeration procedure using a polymer binder. The second and more promising technique gets around the problems associated with handling, separating, and transporting the nanotubes to the substrate through a direct synthesis of the CNT on the particles to be sprayed. In the present context, this synthesis is made on pretreated stainless steel SS304 powders by chemical vapor deposition (CVD). A parametric study is made for the various steps of the thermal CVD process by varying parameters such as the etching time in the pre-treatment sequence, while the reaction temperature, the annealing temperature, the growth phase duration and the acetylene injection time are varied for the CVD sequence. The composite powders are analyzed using high resolution electron microscopy images (FEGSEM), thermogravimetric analyses (TGA), Raman spectroscopy, and BET surface area analyses. This study provided the parametric optimization of the thermal CVD procedure with respect to CNT production. The composite powders generated show a dense, fully covered, and uniform CNT forest with a purity of CNT to amorphous carbon of 86% based on the micro-Raman spectra obtained.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».