MétaCan
Menu
Retour à la cohorte
Enregistrement W2462353262 · doi:10.1002/srin.200606468

Influence of Residual Elements on Mechanical Properties of Two Carbon Steel Grades

2006· article· en· W2462353262 sur OpenAlexaff
Su Xu, Jim R. Brown, W. R. Tyson

Notice bibliographique

Revuesteel research international · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensNatural Resources Canada
Organismes subventionnairesU.S. Department of Energy
Mots-clésCharpy impact testMaterials scienceMicrostructureMetallurgyUltimate tensile strengthToughnessFerrite (magnet)Grain sizeCarbon fibersDuctility (Earth science)Hardening (computing)Carbon steelComposite materialCorrosionCreep

Résumé

récupéré en direct d'OpenAlex

Experiments were carried out to study the influence of residual elements on microstructure and mechanical properties of two carbon steel grades (i.e. 0.04% C and 0.20% C). The effect of residuals on the microstructure of the carbon steels was mainly to decrease ferrite grain sizes. The effect of residuals on tensile properties was mainly to increase yield and tensile strengths and to slightly decrease ductility, which reflected a combination of solid solution hardening by residuals and grain refinement. The 40 J notch toughness transition temperature (TT) was determined by fitting Charpy absorbed energies to a hyperbolic function and by finding the temperature corresponding to 40 J in the fitted curve; a statistical analysis was performed to ensure the repeatability of TTs defined by this procedure. After the step‐cooling heat treatment to maximize segregation, the 40 J TT of a 0.04% C steel with high Mn and Si contents increased by 28K and the 40 J TT of 0.20 % C steels with the highest residual level (0.085% Sn, 0.4% Cu and 0.4% Ni) increased by 24K, indicating that the upward shift of TT is small even for high levels of residuals. Grain boundary segregation was semi‐quantitatively analysed by Auger electron spectroscopy. Small amounts of Sn segregation were observed, most notably in the low‐C grade.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,445

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,312
Écart entre enseignants0,267 · 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 tête enseignante, 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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207