Effect of Low Alloy Steel Powder- Ethyl Silicate Based Coatings on Corrosion Behaviour of Weathering Steel Exposed to Salt Environment
Notice bibliographique
Résumé
Abstract Weathering steel is used almost exclusively by Ministry of Transportation Ontario (MTO) for construction of steel bridges since 1968. This steel, under normal weathering cycles, oxidises to form a tough layer of rust or ‘patina’, which protects the steel from unabated corrosion. Although many of these bridges are exhibiting stable patina in most of the locations, in recent years some bridges were found to exhibit accelerated corrosion over the driving lanes (from road salt exposure) and the corrosion products were de-bonding from the parent steel material. Analysis of the corrosion products indicated that the de-bonded patina regions exhibited greater amounts of akaganeite (β-FeOOH), while greater amounts of goethite (α-FeOOH) were observed in the regions away from road salt exposure. Hence the objective of the present study is to form and stabilize the goethite phase on weathering steel surface even under salt exposure conditions. To meet this objective, weathering steel panels have been spray painted with low alloy steel powders containing varying concentrations of copper, nickel, chromium and molybdenum using an ethyl silicate-based paint system. These elements are thought to be primarily responsible for the formation and stabilization of goethite phase. ASTM G85-A5 (Prohesion) test has been used to evaluate the corrosion behaviour of these painted panels. Corrosion product chemistry from salt spray exposures has been determined using scanning electron microscopy coupled with energy dispersive X-ray analysis, laser Raman spectroscopy and Mossbauer spectroscopy measurements. In this paper, the results from these measurements are presented and the effect of various low alloy steel powder paint formulations on the corrosion product composition is discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».