Modelling of microstructure evolution in advanced high strength steels
Notice bibliographique
Résumé
There is currently a significant development of new families of steels, i.e. advanced high strength steels, in response to the demands of the automotive and construction industries for materials with improved property characteristics.The austenite-ferrite transformation is the key metallurgical tool to tailor the properties of steels.The design of processing paths that will lead to the desired microstructures is increasingly been aided by computer simulations.The present paper illustrates state-of-the-art microstructure modelling approaches for low carbon steels considering three important processing aspects: (i) run-out table cooling of hot-rolled steels, (ii) intercritical annealing of cold-rolled sheets, (iii) girth welding of linepipe steels.Phenomenological models based on the Johnson-Mehl-Avrami-Kolmogorov (JMAK) approach incorporating additivity are now available to describe phase transformations during run-out table cooling of microalloyed steels.Strengths and limitations of this approach will be discussed.Process models for intercritical annealing require an accurate description of the austenite formation kinetics where morphological complexities can be captured using the phase field approach.During girth welding the control of the microstructure in the heat affected zone (HAZ) is of paramount importance.The HAZ experiences rapid thermal cycles and steep temperature gradients.Phase field modelling is an excellent tool to describe the role of these spatial constraints as will be illustrated for austenite grain growth.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».