MétaCan
Menu
Retour à la cohorte
Enregistrement W1502256786 · doi:10.4236/msa.2015.67071

Wear Resistance and Indentation Behavior of Equiatomic Superelastic TiNi and 60NiTi

2015· article· en· W1502256786 sur OpenAlexafffund
Rabin Neupane, Zoheir Farhat

Notice bibliographique

RevueMaterials Sciences and Applications · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueShape Memory Alloy Transformations
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGlenn Research CenterNational Aeronautics and Space Administration
Mots-clésMaterials sciencePseudoelasticityShape-memory alloyIndentationReciprocating motionAlloyUltimate tensile strengthComposite materialMetallurgyWear resistanceMartensiteMicrostructureMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Indentation and reciprocating wear tests are carried out to study dent and wear resistance of superelastic Ti-Ni alloys. The effect of loading rate on the superelastic behavior of TiNi under indentation loading is investigated and compared to a new generation of shape memory alloys, i.e., 60NiTi. Only limited amount of work has been done to investigate the dependency of superelasticity on loading rate of TiNi under localized compressive loads, but much work is directed towards understanding the effect of strain rate on tensile properties. Understanding the superelastic behavior helps to employ superelastic alloys in applications where high impact loading is expected as in bearings and gears. In the present study, it is found that dent resistance of Ti-Ni alloy is not significantly affected by loading rate (within the employed loading conditions). It has also been found that new-generation 60NiTi alloy exhibits superior wear and dent resistance, as well as higher hardness compared to equiatomic TiNi.

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)0,001
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,040
Tête enseignante GPT0,293
Écart entre enseignants0,253 · 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

Citations32
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials Sciences and ApplicationsMême sujetShape Memory Alloy TransformationsTravaux en français237 207