Influence of Steel Chemistry and Field Girth Welding Procedure on Performance of API X70 Line Pipe Steels
Notice bibliographique
Résumé
Abstract Owing to recent concerns regarding pipeline field girth weld performance, particularly heat affected zone (HAZ) softening and toughness, EVRAZ North America has initiated a research program to evaluate the response of API grade line pipe to the current field girth welding practices. In particular, this study aims to elucidate the role of steel alloy design as well as the welding procedure on field girth weld and HAZ properties. This understanding is critical to balance the detrimental effects of HAZ softening on the overall joint strength against factors affecting HAZ toughness. A selection of several different steels with different levels of alloying elements, Ceq and Pcm have been subjected to welding trials to assess the effects of chemistry on joint performance. Furthermore, an analysis on the effect of welding process parameters on the joint properties has been made. The welds, fabricated via a manual shielded metal arc welding (M-SMAW) process, were evaluated in terms of toughness, local vs global strain distribution during tensile testing using digital image correlation (DIC) technique, and hardness contour mapping of the weld and HAZ regions. The results explicitly show that the extent of HAZ softening decreased as the amount of Mo, Mn, Ti/N and Ceq increased. However, this alloying addition resulted in a detrimental effect on the HAZ toughness, particularly towards the cap and fill passes. The HAZ softening increased as the inter-pass temperature and the welding heat input increased. In addition, the strain analysis confirmed the weld passes towards the root/hot passes are more prone to HAZ softening compared with the upper cap and fill passes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».