MétaCan
Menu
Retour à la cohorte

Influence of Extremum Temperatures on TMF of a Ni-Base Superalloy

2014· article· en· W2018564988 sur OpenAlexaff
Michael Kirka, Sachin Shinde, Phillip W. Gravett, Richard W. Neu

Notice bibliographique

RevueAdvanced materials research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Temperature Alloys and Creep
Établissements canadiensSiemens (Canada)
Organismes subventionnairesU.S. Department of Energy
Mots-clésSuperalloyMaterials scienceAtmospheric temperature rangePhase (matter)Low-cycle fatigueStrain (injury)MicrostructureReduction (mathematics)Composite materialMetallurgyThermodynamicsMathematicsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Significantly reducing the minimum temperature while maintaining maximum temperature of thermomechanical fatigue (TMF) cycles can reduce the life even when mechanical strain ranges are similar. This applies to in-phase (IP) and out-of-phase (OP) TMF cycles. This reduction in life has generally been attributed to a combination of changes in microstructure arising from aging and increases in the cyclic inelastic strain promoted by increases in the elastic modulus as the minimum cycle temperature is reduced. TMF cycles under both IP and OP conditions were conducted with maximum cycle temperatures within the 750-950 C range and with minimum cycle temperatures of either 100 or 500 C. A reduction in minimum temperature was observed to promote a decrease in TMF life by as much as a factor of ten for all TMF experiments. The reduction in TMF life is primarily controlled by increases in the inelastic strain range associated with increases in the elastic modulus that arise when the minimum temperature is reduced.

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 enseignants0,016
Score d'incertitude au seuil0,581

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 savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,290
Écart entre enseignants0,275 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetHigh Temperature Alloys and CreepTravaux en français237 207