MétaCan
Menu
Retour à la cohorte
Enregistrement W3121452929 · doi:10.20944/preprints201806.0103.v1

Evolution of Elevated-Temperature Strength and Creep Resistance during Multi-Step Heat Treatments in Al-Mn-Mg Alloy

2018· preprint· en· W3121452929 sur OpenAlexafffund
Gaosong Wang, Kun Liu, S. L. Wang

Notice bibliographique

RevuePreprints.org · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCreepMaterials scienceAlloyAtmospheric temperature rangeWork (physics)MetallurgyStress (linguistics)ThermodynamicsComposite material

Résumé

récupéré en direct d'OpenAlex

Present work has systematically investigated the evolution of dispersoid and elevated-temperature properties including the strength and creep resistance during the various multi-step heat treatments in Al-Mn-Mg 3004 alloys. Results show that only α-Al(MnFe)Si dispersoid is observed in the studied temperature range (up to 625°C) and it coarsens with increasing temperature to 500°C but dissolves at 625°C. The evolution of elevated-temperature strength and creep resistance is greatly related to the temperature of each step during the multi-step heat treatments. Generally, lower temperature at the first-step heat treatment leads to higher properties while the properties decrease with increasing temperature of last-step heat treatment. Suitable models have been introduced to explain the evolution of strength and the creep threshold stress at elevated-temperature during the various heat treatments.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,311
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,030
Tête enseignante GPT0,266
Écart entre enseignants0,236 · 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.

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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207