Effect of Mercury(II) Ions on the Corrosion Resistance of Aluminium Alloy Coatings in 3.5% wt. NaCl solution
Notice bibliographique
Résumé
In order to investigate the influence of mercury ions (Hg 2+ ) on the corrosion behavior of typical materials used in open rack vaporizer (ORV) in solutions containing chloride ions, 5052 aluminum alloy substrate flame sprayed with aluminum-zinc coating was used as a research object. The electrochemical corrosion behavior of the coating in 3.5% wt. NaCl solutions containing different concentrations of Hg 2+ was investigated by potentiodynamic polarization and electrochemical impedance spectroscopy (EIS) techniques, and the surface microstructure and physical phases of the coating were characterized by scanning electron microscopy (SEM) and XRD. It was found that a relatively dense corrosion product film was generated on the surface of the coating in the low concentration of Hg 2+ solution during immersion, which slightly inhibited the corrosion of the coating, at which point the self-corrosion current density was maintained at less than 10 μA·cm -2 . While the concentration exceeded 0.5 ug/L, the corrosion rate of the coating was accelerated as the concentration increased, and the self-corrosion current density reached 23.3 μA·cm -2 at the Hg 2+ concentration of 30 ug/L. After 32 days of immersion, a higher R t value of the sample in the low concentration of mercury ion solution can reach 13205.8 Ω·cm 2 , which is only 2627.3 Ω·cm 2 at a high concentration of 30 ug/L mercury ion, indicating that the high concentration of mercury ion under prolonged immersion produces significant damage to the corrosion resistance of the specimens. During this period, pitting holes and local coating flaking appeared on the coating surface, and the corrosion morphology changed from uniform corrosion to local corrosion.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».