MétaCan
Menu
Retour à la cohorte
Enregistrement W2470249997 · doi:10.1115/1.4034075

Effects of Silicon Content on the Microstructure and Mechanical Properties of Cobalt-Based Tribaloy Alloys

2016· article· en· W2470249997 sur OpenAlexaff
Rong Liu, Jianhua Yao, Qunli Zhang, Matthew Yao, Rachel Collier

Notice bibliographique

RevueJournal of Engineering Materials and Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensCarleton University
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of China
Mots-clésMaterials scienceMicrostructureNanoindentationVolume fractionLaves phaseDuctility (Earth science)Scanning electron microscopeIntermetallicEutectic systemMetallurgySiliconPhase (matter)CobaltComposite materialIndentation hardnessCreepAlloyChemistry

Résumé

récupéré en direct d'OpenAlex

Cobalt-based Tribaloy alloys are strengthened mainly by a hard, intermetallic Laves phase consisting of Co3Mo2Si or/and CoMoSi; therefore, silicon content plays a large role in the microstructure and performance of these materials. In this research, the microstructures of two cobalt-based Tribaloy alloys that are largely different in Si content are studied using scanning electron microscopy (SEM) with an EDAX energy dispersive X-ray (EDX) spectroscopy, and X-ray diffraction (XRD), fatigue strength under rotating-bending test, mechanical behavior under nanoindentation, and hardness at room and elevated temperatures using a microindentation tester. It is revealed that with higher silicon content (2.6 wt. %), T-400 has a hypereutectic microstructure with Laves phase as primary phase, whereas with lower silicon content (1.2 wt. %), T-401 has a hypoeutectic microstructure with solid solution as primary phase. T-400, containing lager volume fraction of Laves phase, exhibits better fatigue strength, in particular, at high stresses, while T-401, with less volume fraction of Laves phase, has improved ductility, exhibiting better resistance to fatigue at low stresses. The hardness of both alloys decreases with temperature, and T-401 shows higher reduction rate. T-400 is harder than T-401.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,162
Écart entre enseignants0,152 · 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

Citations22
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Materials and TechnologyMême sujetMetal and Thin Film MechanicsTravaux en français237 207