MétaCan
Menu
Retour à la cohorte
Enregistrement W185917731 · doi:10.5006/c2009-09468

Evaluation of Flow Accelerated Corrosion of PWR Secondary Piping by Coupling Analysis of Corrosion and Flow Dynamics

2009· article· en· W185917731 sur OpenAlexaff
Shunsuke Uchida, Masanori Naitoh, Yasushi Uehara, Hidetoshi Okada, Seiichi Koshizuka, D. H. Lister

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPipingCorrosionMaterials scienceFlow (mathematics)Coupling (piping)Nuclear engineeringMetallurgyEnvironmental scienceMechanicsEngineeringPhysicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Systematic approaches for evaluating flow accelerated corrosion (FAC) are desired before discussing application of countermeasures for FAC. Firstly, future FAC occurrence should be evaluated to identify locations where a higher possibility of FAC occurrence exists, and then, wall thinning rate at the identified FAC occurrence zone is evaluated to obtain the preparation time for applying countermeasures. Wall thinning rates were calculated with the coupled models of static electrochemical analysis and dynamic double oxide layer analysis. Anodic current density and electrochemical corrosion potential (ECP) were calculated with the static electrochemistry model based on an Evans diagram and ferrous ion release rate determined by the anodic current density was applied as input for the dynamic double oxide layer model. Some of the dissolved ferrous ion was removed to the bulk water and others precipitated on the surface as magnetite particles. The thickness of oxide layer was calculated with the dynamic double oxide layer model and then was applied as input for the electrochemistry model. It was confirmed that the calculated results of the coupled models resulted good agreement with the measured ones.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0020,000

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 Opus0,021
Tête enseignante GPT0,278
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetErosion and Abrasive MachiningTravaux en français237 207