MétaCan
Menu
Retour à la cohorte
Enregistrement W2944666695 · doi:10.1063/1.5099817

Microstructural and magnetic Barkhausen noise characterization of temper embrittled HY-80 steel

2019· article· en· W2944666695 sur OpenAlexaff
Aroba Saleem, P. R. Underhill, Nancy Herve, Shannon P. Farrell, Thomas W. Krause

Notice bibliographique

RevueAIP conference proceedings · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensDefence Research and Development CanadaRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceEmbrittlementBarkhausen effectAusteniteMetallurgyMicrostructureMagnetic fieldMagnetization

Résumé

récupéré en direct d'OpenAlex

Environmental conditions can affect the microstructural properties of a material, which ultimately determines a component’s structural integrity. The steels used in submarine applications are susceptible to embrittlement when they are heated or slowly cooled through the embrittling temperature range of 370 to 600 °C. Evaluation of the state of temper embrittlement in HY-80 steel (submarine steel) can contribute to risk assessments that provide assurance that in-service components will not undergo failure. The present work evaluated the response of Magnetic Barkhausen Noise (MBN) to changes in temper embrittlement in HY-80 cast steel. Three steel samples were subjected to a constant temperature (525 °C) at different holding times, to produce different amounts of embrittlement in each sample. The MBN measurement system used a flux controlled waveform, which facilitates reproducibility of the measurements and permits extraction of variations in permeability between samples. MBN signal response was observed to decrease as a function of holding time, which was attributed to migration of impurity elements that act as pinning sites for domain walls, to prior austenitic grain boundaries. In addition, microstructural characterization was performed on the samples using optical microscope.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,349
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetMagnetic Properties and ApplicationsTravaux en français237 207