MétaCan
Menu
Retour à la cohorte
Enregistrement W2525038403 · doi:10.5006/c2016-07152

Self-healing Pipeline Epoxy Coatings

2016· article· en· W2525038403 sur OpenAlexaff
Yuanchao Feng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEpoxyMaterials scienceSelf-healingPipeline (software)CorrosionComposite materialMetallurgyMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, benzotriazole (BTA) inhibitors were deposited on the surface of nano-SiO2 particles, which served as the inhibitor carriers. Polyelectrolytes were then adsorbed on the particle surface by a layer-by-layer method to prepare the nanocontainers to store inhibitors. The inhibitor-loading nanocontainers were characterized by a number of techniques, including scanning electron microscopy, energy-dispersive X-ray spectrum, Fast Fourier Infrared spectrum and thermal gravimetric analysis. The corrosion resistance and the nano-container doped epoxy coatings was evaluated by electrochemical impedance spectroscopy. Results demonstrate that the SiO2 nanoparticles based polyelectrolyte nano-containers are successfully fabricated to store BTA. The nano-containers added in NaCl solution are able to inhibit the corrosion of the steel. The inhibiting performance is improved with immersion time. The inhibiting efficiency is over 66% after 24 h of testing. It is expected that the inhibiting performance further increases with the continuous release of BTA from the nano-containers with time. When the steel coated with the BTA loaded nano-containers is immersed in NaCl solution, the corrosion inhibition is time dependent upon the release of encapsulated inhibitors from the containers. The change of solution pH upon the coating damage and generation of corrosive environment may trigger the opening of the nano-containers for inhibitor releasing.

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 seuil0,005

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)0,0010,001

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 Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,242 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207