MétaCan
Menu
Retour à la cohorte
Enregistrement W2997994049 · doi:10.2351/1.5138150

A composite stellite alloy hardfacing with improved laser cladding behavior and wear resistance

2017· article· en· W2997994049 sur OpenAlexaff
Yinping Ding, Rong Liu, Qunli Zhang, Liang Wang, Jianhua Yao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Entropy Alloys Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésStelliteHardfacingMaterials scienceMetallurgyAlloyComposite numberValve seatMicrostructureCladding (metalworking)Composite material

Résumé

récupéré en direct d'OpenAlex

To solve the existing wear and corrosion problems in power generation industry, this research investigates the wear and corrosion behavior of Stellite alloys in NaOH solution, which simulates the amine media in the feedwater service of power generation plants. The Stellite alloys under this study include Stellite 6 and a composite Stellite alloy. The composite Stellite alloy hardfacing, which consists of 70% Stellite 3 and 30% Stellite 21, is created via laser cladding for control valve seat sealing surfaces, aiming at enhancing hardness and wear resistance, compared with Stellite 6 hardfacing, and improving cracking in laser cladding process, compared with Stellite 3. The composite Stellite alloy hardfacing is made on 316 stainless steel substrate and it does not show any cracking. The microstructure of the hardfacing is analyzed using SEM, EDS and XRD. The hardness, dry sliding wear resistance and cavitation-erosion resistance in NaOH solution are evaluated. Stellite 6 hardfacing is prepared with the same laser process parameters and is also analyzed and tested under the same conditions with the composite Stellite alloy hardfacing for comparison. The experimental results and real industrial test demonstrate superior performance of the composite Stellite alloy hardfacing to Stellite 6 hardfacing for control valve seat sealing application.

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 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 enseignants0,493
Score d'incertitude au seuil0,596

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,204 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigh Entropy Alloys StudiesTravaux en français237 207