MétaCan
Menu
Retour à la cohorte
Enregistrement W2838250233 · doi:10.5539/jmsr.v7n3p78

Strain Aging in Boron Alloyed Multi-Phase С- Mn – Si – Steel Wire Rod

2018· article· en· W2838250233 sur OpenAlexvenueno aff
A. I. Nesterenko, Alexander B. Sychkov, V. L. Plyuta, M. A. Blokhin

Notice bibliographique

RevueJournal of Materials Science Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBoronDynamic strain agingBainiteFerrite (magnet)MartensiteMetallurgyPearliteDuctility (Earth science)MicrostructureStrain (injury)DislocationComposite materialAusteniteStrain rate

Résumé

récupéré en direct d'OpenAlex

The specimens of C – Mn – Si - steel wire rod 5.5 mm in diameter with 0.005% B and without B additions from Moldova Steel Works had been studied. It was been established by crystallographic-geometrical analysis, that the boron atoms could be allocate in B – alloyed a – Fe only in the positions of a sub-interstitial solid solution. By study a static strain aging (SSA) and a dynamic strain aging (DSA) specimens of wire rod by C – Mn – Si - steel with B and without B (both with multi-phase (ferrite- martensite (bainite)-pearlite) microstructures) more expressed decreasing of strengthening properties and higher characteristics of ductility had been determined for C – Mn – Si - steel specimens with B. These results could be explained by “de - nitrogenous” and “de - carbonaceous” mechanisms, when boron atoms from a – Fe sub-interstitial solid solution by producing wire rod and by its strain aging thermal treatment with temperatures 150 - 450 °С generate boron- nitrogenous and boron - carbonaceous – nitrogenous precipitations. By realizing these mechanisms nitrogen and carbon atoms are partly excluded from the dislocation pinning’s process. This, in fact, explains to inhibit the development of strain aging (SSA and DSA) in boron- micro-alloyed C – Mn – Si - steel.

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)0,007
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 enseignants0,006
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,075
Tête enseignante GPT0,381
Écart entre enseignants0,307 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207