MétaCan
Menu
Retour à la cohorte
Enregistrement W2157080478 · doi:10.5006/1.3280644

Corrosion of UNS R30006 in High-Temperature Water Under Intermittent Mechanical Contact

2005· article· en· W2157080478 sur OpenAlexafffund
Shoudong Xu, Irina Kondratova, N. Arbeau, W. Cook, D. H. Lister

Notice bibliographique

RevueCORROSION · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHealth and Safety Executive
Mots-clésLithium hydroxideBoric acidCorrosionMaterials scienceHydroxideHydrogenMetallurgyNitrogenLithium (medication)Inorganic chemistryChemistryIon

Résumé

récupéré en direct d'OpenAlex

The wear and corrosion of UNS R30006 in water saturated with hydrogen or nitrogen at various temperatures and pH values (adjusted with boric acid [H3BO3] and lithium hydroxide [LiOH]) were studied using the techniques of linear polarization resistance and potentiodynamic sweep. The immediate change of corrosion rate caused by mechanical wear was similar in various water chemistries; at 150°C, 200°C, and 250°C, corrosion rates increased during wear and then dropped to their original values, while at 65°C and 25°C the rates before and immediately after wear were about the same. During continuous exposure to high-temperature water saturated with hydrogen at various pH or with nitrogen at pH300°C = 6.5, the corrosion rate of UNS R30006 was somewhat variable, but in general, it increased with time during the periods investigated. At all pH, between 6.5 and 7.8 (at 300°C), the corrosion rate of UNS R30006 without wear generally was highest at pH300°C = 7.4, corresponding to the highest concentration of lithium; the corrosion rate of UNS R30006 at 250°C, in fact, increased with an increasing concentration of LiOH regardless of pH. Prolonged exposure of UNS R30006 to high-temperature water saturated with nitrogen at pH300°C = 6.5 reduced corrosion rates.

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 enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,200
Écart entre enseignants0,194 · 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

Citations3
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCORROSIONMême sujetLubricants and Their AdditivesTravaux en français237 207