MétaCan
Menu
Retour à la cohorte

Élaboration de revêtements céramiques par projection cold spray : relation entre les caractéristiques des poudres et les propriétés physiques des dépôts

2022· dissertation· W7151565950 sur OpenAlexaboutno aff
Dylan Chatelain

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGas burnerMaterials testingMetal coating

Résumé

récupéré en direct d'OpenAlex

Le cold spray est un procédé qui est basé sur l’accélération à vitesse supersonique (jusqu’à 1200 m/s) de particules non fondues à travers une buse de type De Laval par un gaz sous pression (ex : N2). Puisque les particules restent à l’état solide, le revêtement est en général conçu grâce à la déformation plastique et/ou à la fragmentation contrôlée, puis à un ancrage mécanique des poudres lors de l’impact sur le substrat à très haute énergie cinétique. Le cold spray est utilisé essentiellement avec des matériaux ductiles, mais récemment un intérêt croissant a été porté au cold spray de céramiques, en particulier avec des poudres agglomérées. Dans ce cas, le principal défi est alors de contrôler la fragmentation des granules lors de l’impact en jouant sur différents leviers, afin d’améliorer la qualité des dépôts obtenus et le rendement de déposition. Lors de ces travaux, plusieurs pistes ont été étudiées, notamment avec l’hydroxyapatite. La première concerne l’influence des propriétés des poudres, et en particulier la forme et la taille des nanoparticules à l’intérieur des agglomérats. Puisque l’adhérence est essentiellement mécanique, des particules fines et allongées vont présenter une meilleure intrication, et il sera alors plus facile de construire le dépôt. La seconde piste est davantage axée sur le procédé avec une optimisation poussée de tous les paramètres de tirs, en utilisant plusieurs équipements, mais aussi différents types de substrats. Les résultats les plus intéressants ont été obtenus en basse pression en utilisant des sous couches PEEK projetées par flamme. Enfin, dans la dernière idée étudiée, des expérimentations ont été réalisées sous vide. La réduction de l’onde de choc permet alors d’améliorer significativement les revêtements obtenus en terme d’épaisseur, mais aussi de cohésion et de rendement.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,318
Écart entre enseignants0,295 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigh-Temperature Coating BehaviorsTravaux en français237 207