MétaCan
Menu
Retour à la cohorte
Enregistrement W2938013068 · doi:10.1002/srin.201800594

Microstructure Characterization and Mechanical Properties of Al Alloyed 9Cr ODS Steels with Different Al Contents

2019· article· en· W2938013068 sur OpenAlexaff
Shuai Xu, Zhangjian Zhou, Haodong Jia, Zhongwen Yao

Notice bibliographique

Revuesteel research international · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFusion materials and technologies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMicrostructureMetallurgyFerrite (magnet)MartensiteSolid solution strengtheningOxidePhase (matter)DislocationComposite material

Résumé

récupéré en direct d'OpenAlex

The microstructural evolution of different Al contained (0.4, 2.5, and 4.5 wt%) Fe–9wt%Cr ODS steels (hereinafter referred to as 0.4Al‐ODS, 2.5Al‐ODS, and 4.5Al‐ODS) is investigated using XRD and TEM. The XRD analysis shows that the addition of Al into the Fe–9wt%Cr ODS steels leads to the formation of substitutional solid solutions, and the interplanar spacing increases with the increase of Al content. According to TEM bright field image observation, the 0.4Al‐ODS steel shows ferrite/martensite duplex microstructure, while 2.5Al‐ODS and 4.5Al‐ODS steels show a single‐phase of ferrite, which is in agreement with the thermodynamic phase diagram calculation. The dispersed particles is mainly Y–Al–O oxide according to EDS analysis, and the Y/Al ratio of most of dispersed particles is less than 1 in all Al alloyed ODS steels. The dislocation density of the three steels is calculated by the residual strain of XRD. The results show that, compared to 2.5Al‐ODS and 4.5Al‐ODS steels, the 0.4Al‐ODS steel contains more dislocations. The strengthening mechanism analysis shows that the modified theoretical hardening models fit well with experimental data of yield strength for 2.5Al‐ODS and 4.5Al‐ODS steels.

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 enseignants0,004
Score d'incertitude au seuil0,009

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,049
Tête enseignante GPT0,308
Écart entre enseignants0,259 · 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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetFusion materials and technologiesTravaux en français237 207