MétaCan
Menu
Retour à la cohorte
Enregistrement W7110396838 · doi:10.1108/acmm-07-2025-3327

Advanced superhydrophobic and wear-resistant coatings on carbon steel

2025· article· en· W7110396838 sur OpenAlexaff

Notice bibliographique

RevueAnti-Corrosion Methods and Materials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoatingAbrasion (mechanical)EpoxySuperhydrophobic coatingNanoparticleNanocompositeCarbon steel

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to develop a dual-action coating combining superhydrophobicity and wear-resistance on carbon steel. Design/methodology/approach Superhydrophobic coatings were fabricated by blending perfluorodecyltrimethoxysilane (FAS)-modified nanoparticles (SiO2, TiO2, ZrO2) with silane coupling agent-modified epoxy resin (Ep-51). Key parameters – epoxy content, nanoparticle type and silane agent (KH-540, KH-550, KH-560) – were optimized. Coatings were characterized via scanning electron microscopy, atomic force microscopy, FT-IR, contact angle measurements, pencil hardness tests and abrasion resistance evaluations. Findings The optimal coating (FAS-SiO2:KH-560-modified Ep-51 = 10:4) exhibited outstanding superhydrophobicity (153°), high hardness (6H) and superior abrasion resistance. Increased Ep-51 content enhanced hardness but reduced hydrophobicity due to nanoparticle encapsulation. SiO2 outperformed TiO2/ZrO2 in hydrophobicity, while KH-560 provided optimal mechanical–hydrophobic balance. The coating maintained functionality after abrasion. Originality/value This work presents a novel sprayable nanocomposite coating integrating superhydrophobicity and robust mechanical durability. The dual-layer design offers a scalable solution for long-term protection in industrial applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,018
Tête enseignante GPT0,327
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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'admission1
Résumé présentoui

Explorer davantage

Même revueAnti-Corrosion Methods and MaterialsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207