MétaCan
Menu
Retour à la cohorte
Enregistrement W2548154740 · doi:10.12943/cnr.2016.00011

POTENTIAL MITIGATION STRATEGIES FOR PREVENTING STRESS CORROSION CRACKING FAILURES IN HIGH-BURNUP CANDU FUEL

2016· article· en· W2548154740 sur OpenAlexaffvenue
M.H.A. Piro, Dion Sunderland, Winston Revie, Steve Livingstone, Ike Dimayuga, A. Douchant, Michael D. Wright

Notice bibliographique

RevueCNL Nuclear Review · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésBurnupStress corrosion crackingNuclear engineeringCorrosionCladding (metalworking)Nuclear fuelMOX fuelCrackingEnvironmental scienceMaterials scienceForensic engineeringEngineeringMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

Potential mitigation strategies for preventing stress corrosion cracking (SCC) failures in CANDU fuel cladding that are based on lessons learned on both domestic and international fronts are discussed in this paper. Although SCC failures have not been a major concern in CANDU reactors in recent decades, they may resurface at higher burnup for conventional fuels or with nonconventional fuels that are currently being investigated, such as MOX or thoria-based fuels. The motivation of this work is to provide the foundation for considering possible remedies for SCC failures. Three candidate remedies are discussed, namely improved fabrication methods for fuel appendages, barrier-liner cladding, and fuel doping. In support of this effort, recent advances in experimental characterization methods are described—methods that have been successfully used in non-nuclear materials that can be used to further elucidate SCC behaviour in CANDU fuel. The overall objective is to outline a path forward for characterizing material behaviour as an essential part of investigating remedies to SCC failure. This will allow increased fuel discharge burnup, maximum linear power, and plant manoeuvrability, while maintaining a high degree of reliability.

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)0,001
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 enseignants0,999
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,252
Écart entre enseignants0,236 · 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

Citations5
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCNL Nuclear ReviewMême sujetNuclear Materials and PropertiesTravaux en français237 207