MétaCan
Menu
Retour à la cohorte

Laser-Ultrasonic Austenite Grain Size Measurements in Low-Carbon Steels

2012· article· en· W1984269355 sur OpenAlexaff
Matthias Militzer, Mehran Maalekian, André C. Moreau

Notice bibliographique

RevueMaterials science forum · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensNational Research Council CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMetallurgyMicrostructureAusteniteGrain sizeCarbon steelLaser ultrasonicsRecrystallization (geology)LaserOpticsWavelengthOptoelectronicsCorrosion

Résumé

récupéré en direct d'OpenAlex

Austenite grain size is an important microstructure parameter when processing steels as it provides the initial condition for the austenite decomposition that determines the final microstructure and thus properties of the steel. In low-carbon steels it is frequently difficult if not impossible to quantify the austenite grain size using conventional metallographic techniques. Laser-ultrasonics provides an attractive alternative to quantify the grain size in-situ during thermo-mechanical processing of a steel sample. The attenuation of the laser generated ultrasound wave is a function of the grain size. The present paper gives an overview on the state-of-the-art of this novel measurement technique. Using isothermal and non-isothermal grain growth tests in low-carbon steels the advantages and limitations of laser-ultrasonic measurements will be demonstrated. Further, their application for deformed samples will be presented to quantify austenite grain sizes during and after recrystallization. The in-situ measurements provide significantly new insights into the austenite microstructure evolution during thermo-mechanical processing of low-carbon steels. The implications on expediting the development of improved process models will be discussed.

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 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 enseignants0,004
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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.

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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207