Cavitation Erosion of Metallic Materials
Notice bibliographique
Résumé
Cavitation erosion normally occurs in a fluid dynamic system, which can cause failure of metal parts. It is a complicated process involving the interaction of electrochemical corrosion and mechanical wear. In this paper, various research methods for cavitation erosion behavior are reviewed. The present techniques of cavitation erosion degree measurement and different period determination include mass loss, volume loss, pit number, pit depth and surface roughness. 2D and 3D microstructure characterization observations are applied to discuss the evolution process and micro-zone damage. Hardness, residual stress and ratio of hardness to elastic modulus are good indicators for the degradation of surface mechanical properties. Electrochemical examinations are integrated to investigate the effect of cavitation on passive film and cavitation erosion mechanism. Furthermore, the influencing factors (mechanical properties, material chemical composition and microstructure) and the cavitation erosion characteristics of several metals (i.e. carbon steel, copper, stainless steel and titanium alloy) are introduced and summarized. Normally, the addition of Mn, Co, Cr, C and N can increase the cavitation erosion resistance. High hardness, high yield/tensile and toughness strength, good work-hardening property, fine grains are advantageous to the resistance to cavitation erosion. The cavitation erosion preferentially occurs on the lower intensity phase, which absorbs cavitation impact energy and mitigates the damage degree of a high strength phase. The interface between phases and grain boundary are also the weak spots to be attacked in the initiation and propagation of cavitation erosion. For passive metals, stainless steel and titanium alloy, the passive film is in a metastable state of depssivation/repassivation under cavitation. In a strongly corrosive medium, the synergetic effect of cavitation and corrosion promotes the thinning and semiconducting property change of the passive film.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».