MétaCan
Menu
Retour à la cohorte
Enregistrement W2019841874 · doi:10.4028/www.scientific.net/amr.922.195

Effect of Carbon Gradient on the Microstructure and Mechanical Properties of Fe-22Mn-C TWIP/TRIP Steels

2014· article· en· W2019841874 sur OpenAlexafffund
Morteza Ghasri-Khouzani, M. Bruhis, Joseph R. McDermid

Notice bibliographique

RevueAdvanced materials research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésTwipMaterials scienceMicrostructureMetallurgyDeformation (meteorology)MartensiteUltimate tensile strengthStacking-fault energyDuctility (Earth science)AusteniteAlloyCarbon fibersComposite materialComposite numberCreep

Résumé

récupéré en direct d'OpenAlex

High-manganese austenitic steels are promising emerging automotive steels demonstrating high strength and ductility. The main deformation products observed in these steels are mechanical twins and ε-martensite, where the dominant deformation products vary quite strongly with stacking fault energy (SFE), which in turn is a very strong function of the alloy carbon content. In this research, a Fe-22Mn-0.6C sheet steel was decarburized to achieve a variety of through-thickness C gradients, thereby varying the dominant deformation products through the sheet thickness, with the overall objective of producing unique microstructures and mechanical properties. Microstructural analyses after interrupted tensile testing indicated that the amount of both mechanical twins and ε-martensite increased with increasing true strain, where the deformation products changed from mechanical twins at the higher-C core to ε-martensite at the lower-C surface. The spring-back properties of the C graded steels were also compared with reference to the effect of differential carbon concentration gradient.

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 enseignants0,003
Score d'incertitude au seuil0,465

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 Opus0,019
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207