MétaCan
Menu
Retour à la cohorte
Enregistrement W3097072037 · doi:10.1520/mpc20190219

Effect of Rolling after Heat Treatment on Hydrogen Embrittlement Susceptibility for High Strength Steel Fasteners

2020· article· en· W3097072037 sur OpenAlexaff
F. Saliby, S. Brahimi, Sriraman K. Rajagopalan, S. Yue

Notice bibliographique

RevueMaterials Performance and Characterization · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensMcGill UniversityEspace pour la vie
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHydrogen embrittlementEmbrittlementHigh strength steelMetallurgyHigh heatHydrogenComposite materialCorrosion

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Steel fasteners comprising two different metallurgical structures were investigated for hydrogen embrittlement (HE) susceptibility by incremental step load testing. The metallurgical structures examined consisted of tempered martensite obtained by quenching and tempering and lower bainite obtained by austempering. It has been shown that lower bainite exhibits marginally lower HE susceptibility when tested under moderate hydrogen charging conditions (e.g., −1.0 V). At the most severe hydrogen charging potential of −1.2 V, both microstructures are equally embrittled. The current paper examines the effect of the sequence of the fabrication process, specifically the effect of rolling the threads before and after heat treatment (i.e., quenching and tempering or austempering). The results show irrespective of the metallurgical structure, rolling the threads after heat treatment causes a significant decrease in HE susceptibility. These findings are attributed to the presence of high dislocation density when thread rolling is performed on hardened parts as a final manufacturing step.

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)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Performance and CharacterizationMême sujetHydrogen embrittlement and corrosion behaviors in metalsTravaux en français237 207