Extraction and Characterization of Nano Precipitates in Microalloyed Steels
Notice bibliographique
Résumé
Microalloyed steels are widely used in oil and gas pipelines. They are a class of high strength, low carbon steels containing small additions (in amounts less than 0.1 wt%) of Nb, Ti and/or V. The steels may contain other alloying elements, such as Mo, in amounts exceeding 0.1wt%. Precipitation in these steels can be controlled through thermomechanical controlled processing, leading to precipitates with sizes ranging from several microns to a few nanometers. The larger precipitates are essentially TiN, with partial substitution of Nb for Ti, while the smaller precipitates are based on NbC, with Ti, Mo and V partially substituting for Nb and N partially substituting for C. Microalloyed steels have good strength, good toughness and excellent weldability, which are attributed in part to the presence of the nano-sized carbides and carbonitrides. Because of their fine sizes and low volume fraction, conventional microscopic methods are not satisfactory for quantifying these precipitates. Matrix dissolution is a promising alternative to extract the precipitates for quantification. Relatively large volumes of material can be analyzed, so that statistically significant quantities of precipitates of different sizes are collected. In this paper, matrix dissolution techniques have been developed to extract the precipitates from a series of microalloyed steels. Transmission electron microscopy (TEM) and x-ray diffraction (XRD) are combined to analyze the chemical speciation of these precipitates. Rietveld refinement of the XRD pattern is used to fully quantify the relative amounts of the precipitates. The size distribution of the nano-sized precipitates is quantified using dark field imaging in the TEM.© 2008 ASME
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 | 0,000 |
| 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 ».