MétaCan
Menu
Retour à la cohorte
Enregistrement W2994498301 · doi:10.1002/adem.201900879

Influence of Al Addition Strategy on the Microstructure of a Low‐Cr Oxide Dispersion‐Strengthened Ferritic Steel

2019· article· en· W2994498301 sur OpenAlexaff
Shuai Xu, Zhangjian Zhou, Fei Long, Haodong Jia, Ning Guo, Yongduo Sun, Zhongwen Yao, Mark R. Daymond

Notice bibliographique

RevueAdvanced Engineering Materials · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFusion materials and technologies
Établissements canadiensQueen's University
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésMaterials scienceMicrostructureBall millHot isostatic pressingMetallurgyOxidePowder mixtureComposite materialSintering

Résumé

récupéré en direct d'OpenAlex

Herein, two kinds of Fe–9Cr–8Al oxide dispersion‐strengthened (ODS) steels (prealloyed and postalloyed) are fabricated via mechanical alloying (MA), hot isostatic pressing (HIP), and subsequent hot forging. Microstructures of the milled powder and forged bulk materials are carefully characterized. The results show that the adding sequence of Al has a significant impact on the microstructure. For the postalloyed sample (adding Al during ball milling), a dual‐phase structure composed of reticular Al‐rich regions and a steel matrix is formed in the milled powder due to the highly mismatched deformability between the Al powder and the Fe–9Cr powder during ball milling. For the prealloyed sample (adding Al prior to ball milling), Al is solid solutionized into the steel matrix before ball milling, and there is no dual‐phase structure in the milled powder. In the final bulk materials, the average grain size of the prealloyed sample is much larger than that of the postalloyed sample. Moreover, the matrix of the postalloyed sample has a bimodal grain structure consisting of coarse grains closely surrounded by fine grains, whereas the prealloyed sample has a relatively uniform distribution of coarse grains. The coarsening mechanisms of Al addition on the microstructure are also discussed.

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 seuil0,002

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,193 · 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetFusion materials and technologiesTravaux en français237 207