MétaCan
Menu
Retour à la cohorte
Enregistrement W2010706568 · doi:10.5539/jmsr.v2n3p33

Effect of Copper on Tribological Characteristics and Subsurface Structure of Cast Fe-Cr-C Alloys in Sliding Friction

2013· article· en· W2010706568 sur OpenAlexvenueno aff
Viktor Novytskyi, V. P. Havryliuk, В. Л. Лахненко

Notice bibliographique

RevueJournal of Materials Science Research · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTribologyCopperAlloyMetallurgyDry frictionWork (physics)Composite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The purpose of this work is to research the tribological characteristics and peculiarities of subsurface structure of friction layers formation of the cast Fe-Cr-C (1.2% C, 17–19% Cr) alloys with the copper content lower (0.4%) or higher (14.0%) than its limit of solubility in the matrix of the alloy. The different contents of copper in cast alloys have a significant influence on the characteristics of the alloy structure in the original state and subsurface friction layers and thus influence the tribological characteristics of these alloys. The alloy with 14.0% copper has minimal wear rate under dry and boundary frictions at the pressures of 1 and 5 MPa. This is achieved through optimizing the parameters of the fine structure of the surface friction layers of alloys and through plating effect of copper transferring from specimen to the counterbody and preventing the friction pair from severe wear.

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)0,010
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,032
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,056
Tête enseignante GPT0,351
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 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207