MétaCan
Menu
Retour à la cohorte
Enregistrement W2085477337 · doi:10.1115/1.1651096

Influence of Carbon Content in Cobalt-Based Superalloys on Mechanical and Wear Properties

2004· article· en· W2085477337 sur OpenAlexafffund
Rong Liu, Matthew Yao, Xijia Wu

Notice bibliographique

RevueJournal of Engineering Materials and Technology · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced materials and composites
Établissements canadiensNational Research Council CanadaCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceMicrostructureUltimate tensile strengthCarbon fibersTribometerDifferential scanning calorimetrySuperalloyComposite materialMetallurgyCobaltFracture (geology)Phase (matter)Flexural strengthStress (linguistics)TribologyComposite number

Résumé

récupéré en direct d'OpenAlex

Two cobalt-based superalloys containing 1.6% and 2% carbon respectively were studied, with the emphasis on the influence of the carbon content on their microstructures, wear resistance, and mechanical properties. Phase formation and transformation in the microstructures were analyzed using metallographic, X-ray diffraction, and differential scanning calorimetry techniques. Wear resistance, tensile and fatigue behaviors of the alloys were investigated on a pin-on-disc tribometer, MTS machine and rotating-bending machine, respectively. It is found that the wear resistance was increased significantly with the carbon content. The mechanical properties of the alloys are also influenced by the carbon content, but the impact is not so significant as on the wear resistance. It was observed that the carbon content increased the yielding strength and fatigue strength, but decreased the fracture stress and fracture strain.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,165 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Materials and TechnologyMême sujetAdvanced materials and compositesTravaux en français237 207