Evaluating Temper Embrittlement in HY-80 Steel Using Magnetic Barkhausen Noise and Microstructural Characterization
Notice bibliographique
Résumé
Abstract HY80 steel is a low-carbon steel known for embodying high strength and toughness properties. This steel is used in submarine applications. Temper embrittlement, which is the reduction of fracture toughness, occurs in steels when subject to aging and drastic temperature fluctuations. These changes occur in submarines over time while in underwater environments. During temper embrittlement, impurity atoms and carbides migrate to grain boundaries, which make the steel more susceptible to fracture. A non-destructive testing (NDT) method is desirable to assess the temper embrittlement damage in HY80. Magnetic Barkhausen Noise (MBN) is of interest as being a potential NDT method for analyzing HY80. Focusing on microstructural characterization and its effect on MBN could have implications for establishing an MBN based method to detect varied stages of temper embrittlement in HY80 steel. In this research, samples of HY80 were prepared and heat treated for 16–336 hours to mimic various degrees of temper embrittlement. Microstructural changes with heat treatment were characterized and connected to the MBN produced at each holding time. Methods consisted of performing scanning electron microscopy (SEM) and using an MBN measurement system. It was observed that as holding time increases, grain size increases and carbide density within the grains decreases. These carbides, which act as pinning sites, make it more difficult for domain walls to move, consequently affecting MBN energy.
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) | 0,003 | 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 ».