MétaCan
Menu
Retour à la cohorte
Enregistrement W3206982944 · doi:10.20944/preprints201809.0245.v1

On the Effect of Filling Rate on Positive Macrosegregation Patterns in Large Size Cast Steel Ingots

2018· preprint· en· W3206982944 sur OpenAlexafffund
Chunping Zhang, Abdelhalim Loucif, Mohammad Jahazi, Rami Tremblay, Louis-Philippe Lapierre Boire

Notice bibliographique

RevuePreprints.org · 2018
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueSolidification and crystal growth phenomena
Établissements canadiensCégep de Sorel-TracyÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIngotMaterials scienceMetallurgyLiquid metalDiffusionGrain sizeMolten metalCastingThermodynamics

Résumé

récupéré en direct d'OpenAlex

The effect of filling velocity on positive macrosegregations in large size steel ingots was studied. Macrosegregation and macro-/micro-structure were characterized on the hot-tops and a portion of the upper section of two ingots. The measurements revealed that segregation features in the two ingots varied as a function of the alloying elements, and that the severity of positive macrosegregation in the casting body was reduced when the filling rate was increased. It was also found that at the higher filling rate, grain morphologies in the first solidified zones of the ingot changed from columnar to equiaxe, and secondary dendrite arm spacing (SDAS) became slightly smaller in the intermediate and final solidified zones. The experimental findings were analyzed in the framework of diffusion and convection controlled solidification, as well as liquid metal flow theories. The solute dependence of segregation features was related to the difference in solid-liquid partition coefficient and diffusion capability of each element in the liquid iron. Calculation of Reynolds numbers (Re) during the filling process, for both ingots, showed that higher filling velocity caused more instable movement of the liquid metal in the initial solidification stage, resulting in the modification of grain morphology, as well as accelerated solidification rate.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,099
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,055
Tête enseignante GPT0,324
Écart entre enseignants0,269 · 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetSolidification and crystal growth phenomenaTravaux en français237 207