MétaCan
Menu
Retour à la cohorte
Enregistrement W3108209174 · doi:10.22349/1994-6716-2020-103-3-17-28

Hardening mechanisms for rails metal during long-term operation

2020· article· en· W3108209174 sur OpenAlexaff
Yu. F. Ivanov, В. Е. Кормышев, В. Е. Громов, A.A. Yuriev, A. M. Glezer, Yu. A. Rubannikova

Notice bibliographique

RevueVoprosy Materialovedeniya · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensEVRAZ (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubstructurePearliteHardening (computing)Materials scienceCarbideDislocationAusteniteMetallurgyStructural engineeringComposite materialMicrostructureEngineering

Résumé

récupéré en direct d'OpenAlex

A quantitative comparative analysis of the mechanisms of hardening of the surface layers of differentially hardened 100-m rails is carried out. It was based on structure formation, phase composition, defect substructure regularities revealed by the methods of modern physical materials science. The studies were carried out at different depths of up to 10 mm in the rail head along the central axis and along the axis of symmetry of the fillet in the initial state and after various periods of extremely long-term operation (passed tonnage of 691.8 and 1411 mln. tons brutto). The contributions due to the friction of the matrix lattice, interphase boundaries, dislocation substructure, presence of carbide particles, internal stress fields, solid-solution hardening of the pearlite component of the steel structure are estimated.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,007
Score d'incertitude au seuil1,000

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,039
Tête enseignante GPT0,246
Écart entre enseignants0,208 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 revueVoprosy MaterialovedeniyaMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207