MétaCan
Menu
Retour à la cohorte
Enregistrement W3084303868 · doi:10.3390/met10091201

The Influence of Specimen Geometry and Strain Rate on the Portevin-Le Chatelier Effect and Fracture in an Austenitic FeMnC TWIP Steel

2020· article· en· W3084303868 sur OpenAlexafffund
Jidong Kang, Liting Shi, Jie Liang, Babak Shalchi Amirkhiz, Colin Scott

Notice bibliographique

RevueMetals · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensNatural Resources Canada
Organismes subventionnairesOffice of Energy Research and Development
Mots-clésTwipDynamic strain agingNeckingMaterials sciencePortevin–Le Chatelier effectStrain rateFracture (geology)Composite materialStrain hardening exponentDigital image correlationAusteniteMicrostructure

Résumé

récupéré en direct d'OpenAlex

We studied the Portevin-Le Chatelier effect and fracture behavior of a FeMnC TWIP steel using high speed digital image correlation by varying the specimen geometry (flat vs. round) and test strain rate (0.001 vs. 0.1 s−1). The results show that the mean flow stress, the mean strain hardening rate and the mean strain rate sensitivity parameters are all independent of the specimen geometry and are uncorrelated with the presence or not of Portevin-Le Chatelier (PLC) bands, the type of PLC bands observed or the critical strain for band formation. However, both the fracture strains and stresses and the PLC behavior are highly geometry and/or strain rate dependent. Dynamic strain aging (DSA) and in particular the presence of PLC instabilities appears to play an important but as yet unclear role in promoting premature necking and final fracture.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,295

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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,197 · 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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207