MétaCan
Menu
Retour à la cohorte
Enregistrement W4309900038 · doi:10.1080/1478422x.2022.2149048

Effects of solid deposits on the corrosion behaviour of titanium in high acidity and highly oxidising leaching solutions

2022· article· en· W4309900038 sur OpenAlexafffund
Y. Liu, Edouard Asselin

Notice bibliographique

RevueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion Control · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSenior Talent Foundation of Jiangsu UniversityNatural Sciences and Engineering Research Council of Canada
Mots-clésCorrosionLeaching (pedology)MetallurgyMaterials scienceInertTitaniumOxidizing agentSolid solutionHigh-temperature corrosionChemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Solid minerals are ubiquitous and common deposits on Ti-lined process vessels in the hydrometallurgical industry. This work revealed the effects of inert solid deposits on the corrosion behaviour of Ti-2 in high acidity and highly oxidising leaching solutions. It was found that the deposit-covered Ti-2 had a higher corrosion rate ( CR ) than bare Ti-2. CR increased with increasing deposit thickness (up to 6 cm) and temperature. Solid deposits mainly affected the corrosion process of Ti by limiting the mass transfer of the oxidising Fe(III) from the bulk solution to the underlying Ti, thus affecting the stability of the protective passive film, and resulting in an accelerated passive CR . High temperatures and solid deposition are both commonly encountered in the hydrometallurgical industry, and their combination may significantly limit the maximum service temperature of Ti-equipment, implying that there is a risk in using Ti-components under such conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion ControlMême sujetMetal Extraction and BioleachingTravaux en français237 207