MétaCan
Menu
Retour à la cohorte

Microstructure Model for a Dual-Phase Steel

2007· article· en· W2038567970 sur OpenAlexafffund
Dongsheng Liu, Matthias Militzer, Warren J. Poole

Notice bibliographique

RevueMaterials science forum · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceAusteniteMicrostructureRecrystallization (geology)Dynamic recrystallizationFerrite (magnet)MetallurgyContinuous cooling transformationDual-phase steelThermodynamicsComposite materialHot workingBainiteMartensite

Résumé

récupéré en direct d'OpenAlex

The microstructural evolution has been studied for hot rolling of a dual-phase steel with a lean C-Mn-Si chemistry. This study includes the investigation of austenite grain growth during reheating, constitutive behaviour and static recrystallization kinetics of austenite, and austenite decomposition during simulated run-out table cooling conditions. To develop and validate the microstructure models for these phenomena, experimental studies have been carried out in the laboratory using a Gleeble 3500 thermomechanical simulator. The hyperbolic sine relationship between flow stress and Zener-Hollomon parameter is employed to describe the constitutive behaviour. The Johnson-Mehl-Avrami-Kolmogorov (JMAK) theory is used to predict the static recrystallization kinetics. Ferrite transformation start is described with an approach that considers early growth of corner nucleated ferrite. The fraction of ferrite transformed from austenite during continuous cooling is described using the JMAK approach in combination with the additivity rule. The ferrite grain size is quantified as a function of the transformation start temperature. The overall microstructure model has been validated based on a number of laboratory simulations of the entire hot strip rolling and controlled cooling process with an emphasis on industrially relevant run-out table cooling strategies.

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 enseignants0,068
Score d'incertitude au seuil0,574

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 Opus0,014
Tête enseignante GPT0,258
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

Citations6
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

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