Simultaneous effect of surface roughness and passivity on corrosion resistance of metals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Unidirectional surface roughness of varying magnitudes were created on both nickel and mild steel by grinding on SiC papers with grit sizes from G60 (roughest) to G1200 (smoothest) and the corrosion resistance in 0.5M H 2 SO 4 solution was determined using a potentiodynamic polarization technique. A different trend of corrosion rate versus roughness was seen for the active-passive metal (nickel) and non-active-passive metal (mild steel). For nickel there was an increase in corrosion rate with increasing roughness, whereas for mild steel the corrosion rate decreased with increasing surface roughness. Furthermore, through a detailed examination of the surface before and after corrosion using techniques including profilometry, scanning electron microscopy (SEM) and energy dispersive spectroscopy (EDS), it was established that different corrosion mechanisms were operative for nickel and mild steel. For both metals, the smaller grit sizes produced a rougher surface with wider and deeper grooves. In the case of nickel, the higher roughness provided a greater contact area between the corrosive medium and metal and there was trapping of the corrosive ions in the deep grooves. Both of these factors would lead to an increase in corrosion rate. Also, for the smoother nickel surfaces, it is easier to form a stable passive film. For mild steel, which does not form a passive film, corrosion rates are generally much higher than for nickel. For the rougher surfaces with the deeper grooves, the corrosion product, FeSO4, can fill the grooves thereby acting as a barrier to further ingress of the corrosive ions to the un-corroded metal.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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) | 0,000 | 0,000 |
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.
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 découle