MétaCan
Menu
Retour à la cohorte
Enregistrement W4200035726 · doi:10.3390/met12010017

Textures of Non-Oriented Electrical Steel Sheets Produced by Skew Cold Rolling and Annealing

2021· article· en· W4200035726 sur OpenAlexafffund
Youliang He, Erik J. Hilinski

Notice bibliographique

RevueMetals · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésElectrical steelMaterials scienceAnnealing (glass)Recrystallization (geology)ElongationMetallurgySkewComposite materialUltimate tensile strength

Résumé

récupéré en direct d'OpenAlex

In order to investigate the effect of cold rolling deformation mode and initial texture on the final textures of non-oriented electrical steels, a special rolling technique, i.e., skew rolling, was utilized to cold reduce steels. This not only altered initial textures but also changed the rolling deformation mode from plane-strain compression (2D) to a more complicated 3D mode consisting of thickness reduction, strip elongation, strip width spread and bending. This 3D deformation induced significantly different cold-rolling textures from those observed with conventional rolling, especially for steels containing low (0.88 wt%) and medium (1.83 wt%) amounts of silicon at high skew angles (30° and 45°). The difference in cold-rolling texture was attributed to the change of initial texture and the high shear strain resulting from skew rolling. After annealing, significantly different recrystallization textures also formed, which did not show continuous <110>//RD (rolling direction) and <111>//ND (normal direction) fibers as commonly observed in conventionally rolled and annealed steels. At some skew angles (e.g., 15–30°), the desired <001>//ND texture was largely enhanced, while at other angles (e.g., 45°), this fiber was essentially unchanged. The formation mechanisms of the cold rolling and recrystallization textures were qualitatively discussed.

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 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 enseignants0,010
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetMagnetic Properties and ApplicationsTravaux en français237 207