MétaCan
Menu
Retour à la cohorte
Enregistrement W2074458172 · doi:10.2298/jsc0206425m

Comparison of the influence of nitrate ions on the electrochemical behaviour of iron and carbon steels in sulphate solutions

2002· article· en· W2074458172 sur OpenAlexaff
Houy Ma, Shenhao Chen, Chao Yang, Jing‐Li Luo

Notice bibliographique

RevueJournal of the Serbian Chemical Society · 2002
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDielectric spectroscopyNitrateFerrite (magnet)Pitting corrosionCorrosionCyclic voltammetryMaterials scienceCarbon steelElectrochemistryInorganic chemistrySulfideIonCapacitive sensingElectrical impedanceMetallurgyChemistryElectrodeComposite material

Résumé

récupéré en direct d'OpenAlex

The effect of nitrate ions on the electrochemical behaviour of iron (ferrite) and two carbon steels (martensite and pearlite) in sulphate solutions of different pH values was investigated by cyclic voltammetry polarization and electrochemical impedance spectroscopy. The pitting inhibiting effect of nitrate ions on ferrite in sulphate media is pH dependent. Nitrate ions were unable to inhibit the pitting on ferrite in neutral sulphate solutions, but did effectively protect passivated ferrite from pitting in acidic sulphate solutions. No pitting occurred on the surface of the martensite and pearlite specimens in sulphate solutions regardless of the pH of the solutions. At the open-circuit corrosion potentials, the three materials underwent general corrosion. The impedance spectra for the three materials measured in neutral sulphate solutions containing nitrates and chlorides at the corrosion potentials all showed a capacitive loop, while in acidic sulphate solutions their impedance spectra were greatly reduced in size and displayed at least a low frequency impedance loop (inductive or capacitive loop) besides the well-known high frequency capacitive loop. The variation of the impedance behaviour with pH is explained.

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)0,000
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 enseignants0,010
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,266
Écart entre enseignants0,237 · 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

Citations4
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Serbian Chemical SocietyMême sujetCorrosion Behavior and InhibitionTravaux en français237 207