MétaCan
Menu
Retour à la cohorte
Enregistrement W2994342889 · doi:10.1002/srin.201900536

Influence of Nickel on High‐Temperature Oxidation and Characteristics of Oxide Layers in Two High‐Strength Steels

2019· article· en· W2994342889 sur OpenAlexaff
Ali Vedaei-Sabegh, Jean-Benoît Morin, Mohammad Jahazi

Notice bibliographique

Revuesteel research international · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésOxideMaterials scienceAlloyThermogravimetryMicrostructureDiffusionMetallurgyLayer (electronics)Scanning electron microscopeHigh-temperature corrosionOxygenActivation energyNickelAnalytical Chemistry (journal)Chemical engineeringComposite materialChemistryThermodynamicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The oxidation behaviors of two high‐strength medium carbon steels with different Ni concentrations are investigated by means of differential thermal analysis equipped with thermogravimetry (TG). Four different oxidation temperatures and five oxidation times are tested. A parabolic behavior is observed for the oxide growth in both alloys; however, the relative increases in the oxidation rate from one temperature to another are not similar for both alloys, and the oxidation kinetics of the Ni‐rich steel are significantly lower than those of the low Ni alloy. On the basis of the TG results, the activation energy for the oxidation of the two alloys is determined. The influence of Ni content on the microstructure and characteristics of the different oxide layers is studied using a combination of laser confocal microscopy, electron microscopy, and X‐ray diffraction (XRD) analysis. The results revealed a clear influence of Ni on the nature and relative presence of different oxide layers. The results are interpreted in terms of the influence of Ni on the diffusion of oxygen through the oxide layer.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,317
Écart entre enseignants0,303 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207