MétaCan
Menu
Retour à la cohorte
Enregistrement W4308873849 · doi:10.3390/cmd3040035

Degradation of Steel Wires in Bimetallic Aluminum–Steel Conductors Exposed to Severe Corrosion Conditions

2022· article· en· W4308873849 sur OpenAlexafffund
Alan Rondineau, Laurent Gaillet, Lamine Dieng, Sébastien Langlois

Notice bibliographique

RevueCorrosion and Materials Degradation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesLa Rochelle UniversitéUniversité de Sherbrooke
Mots-clésGalvanizationMaterials scienceCorrosionMetallurgyScanning electron microscopeGalvanic cellAluminiumComposite materialGalvanic corrosionLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

High-voltage electrical cables are prone to saline corrosion, mostly in coastal environments. Steel wires are a crucial element in withstanding the mechanical solicitations of commonly used aluminum conductor steel reinforced (ACSR) cables. An experimental accelerated corrosion test was made, using salt spray tests on greased and ungreased ACSR cables and individual galvanized steel wires. The corrosion mechanism occurring on the specimens was observed by optical microscopy for several durations of corrosion, to determine the evolution of the galvanic layer and steel substrate degradation. This study was completed by an SEM (Scanning Electron Microscopy) and Raman spectroscopy analysis to characterize the corrosion products occurring on the galvanized steel wires. An estimation of the evolution of the mean zinc thickness loss is also given, for each type of specimen. It is shown that the loss rate of the zinc layer is significantly reduced by the presence of aluminum layers around the steel wires and by the effect of the grease. Tensile tests were made on the exposed galvanized steel wires which led to fracture surface observations to assess the effect of corrosion on the evolution of mechanical properties.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,031
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,238
Écart entre enseignants0,215 · 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.

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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCorrosion and Materials DegradationMême sujetConcrete Corrosion and DurabilityTravaux en français237 207