MétaCan
Menu
Retour à la cohorte
Enregistrement W2895908633 · doi:10.1088/2053-1591/aaea34

Enhancing plasticity by increasing tempered martensite in ultra-strong ferrite-martensite dual-phase steel

2018· article· en· W2895908633 sur OpenAlexaff
Jiangtao Liang, Zhengzhi Zhao, Baoqi Guo, Binhan Sun, Di Tang

Notice bibliographique

RevueMaterials Research Express · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMaterials scienceMartensiteElectron backscatter diffractionUltimate tensile strengthMetallurgyMicrostructureVolume fractionDual-phase steelFerrite (magnet)PlasticityAnnealing (glass)AusteniteComposite material

Résumé

récupéré en direct d'OpenAlex

The present study focuses on the influence of tempered martensite (TM) on the mechanical properties and fracture mechanisms of an ultra-strong dual-phase (DP) steel. The steel was subjected to intercritical annealing combined with an aging process. The high fraction of martensite (above ∼70 vol%) results in a high strength level above 1300 MPa, and the presence of TM ensures a good ductility up to ∼10% total elongation. The microstructures of the tested steels were analyzed by the scanning electron microscopy (SEM), transmission electron microscopy (TEM) and electron backscatter diffraction (EBSD). Results showed that a higher fraction of TM significantly improves ductility, mainly due to its beneficial effects on damage tolerance. More specific, the damage behavior alters from martensite cracking to ferrite-martensite interface decohesion, with increasing TM fractions. This results in higher post uniform elongation (PUE) values. With the increase of intercritical annealing temperature, the yield strength (YS) increases, but both the ultimate tensile strength (UTS) and strain hardening rate decrease. The strain hardening rate was discussed based on the influence of carbide precipitates and decreasing geometrically necessary dislocation (GNDs). Besides, we found that the aging process could significantly increase the volume fraction of TM and improve the plasticity.

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 seuil0,001

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 Opus0,034
Tête enseignante GPT0,300
Écart entre enseignants0,266 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Research ExpressMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207