MétaCan
Menu
Retour à la cohorte
Enregistrement W4362712258 · doi:10.5267/j.esm.2023.2.001

Hot workability characteristics of two A335 P92 steels for power plant application: A comparative study

2023· article· en· W4362712258 sur OpenAlexvenueno aff
J.O. Obiko, L.H. Chow, D.J. Whitefield, M.O. Bodunrin

Notice bibliographique

RevueEngineering Solid Mechanics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlow stressMaterials scienceDeformation (meteorology)Constitutive equationSofteningStrain rateMetallurgyStress (linguistics)Flow (mathematics)ExponentComposite materialStructural engineeringMechanicsFinite element methodEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The article reports on the workability of two P92 steels having a chromium content of 8.29 and 9.48 wt%. Constitutive equations were used to calculate material parameters describing the hot deformation flow stress. Hot deformation tests were conducted using the Gleeble® 3500 thermomechanical facility. Test conditions were: temperature of 850-1000°C and strain rate of 0.1-10s-1 to a strain of 0.5. The flow stress curve results show that dynamic recovery was the only softening mechanism. A comparative study of the two steels revealed that Cr content had a marginal significance on the flow stress behaviour. Constitutive analysis results of the material parameters were: a stress exponent of 9.0 (P92-A), and 11.0 (P92-B), while the activation energy was 369 kJmol-1 (P92-A), and 472 kJmol-1 (P92-B). A brief explanation of the material parameter results is in this article. A flow stress model was developed to predict the flow stress behaviour of the two P92 steels investigated. The results show that the model accurately predicts the flow stress at all the deformation conditions applied. The statistical parameters showed a good correlation between the predicted and the experimental data. Therefore, this model can be used to develop metal forming schedules for industrial applications.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetMetallurgy and Material FormingTravaux en français237 207