MétaCan
Menu
Retour à la cohorte
Enregistrement W3199897446 · doi:10.20964/2021.10.02

Effect of Copper(II) Ions on Corrosion Resistance of Al-Zn Coated 5052 Aluminum Alloy in Seawater

2021· article· en· W3199897446 sur OpenAlexaff
Guofeng Lv, Yanming Xia, Xiong Chen, Zhao Liu, Fang Zhuang, Zhiming Gao

Notice bibliographique

RevueInternational Journal of Electrochemical Science · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésSeawaterCopperAluminiumAlloyCorrosionMetallurgyMaterials science5052 aluminium alloy6111 aluminium alloyIonChemistryOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

The corrosion resistance of the composite anti-corrosion coating formed by an aluminum-zinc coating and epoxy sealer on the surface of an open rack vaporizer (ORV) in seawater was investigated at different copper ion (Cu 2+ ) concentrations. The surface microstructure of the coating was characterized by ultra-field 3D observation, SEM and energy spectrum analysis (EDS). The sealer was found to be effective in shielding the coating surface and significantly reduced the corrosion rate of the coating. A dissolution process of the passive film on the coating surface is evident from the potentiodynamic polarization curves and surface morphology. Local corrosion occurs on the coating surface, and the number and area of surface corrosion pits increase with the concentration of copper in solution, indicating a decrease of the corrosion resistance of the coating. Weight loss of the samples increases from 4.5 mg to 5.4 mg after a 32 days immersion, and the damage of copper ions on the coating originates from weak positions of the surface. The electrochemical corrosion behavior of the coating was investigated by dynamic potential polarization and electrochemical impedance spectroscopy (EIS), with a positive effect found after a short immersion period in a solution with copper ion concentration lower than 5 ug/L, with this effect not evident at higher copper concentrations.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,292
Écart entre enseignants0,284 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electrochemical ScienceMême sujetCorrosion Behavior and InhibitionTravaux en français237 207