MétaCan
Menu
Retour à la cohorte
Enregistrement W4377019048 · doi:10.1088/1757-899x/1281/1/012047

Phase-field modeling of austenitic steels used in turbines

2023· article· en· W4377019048 sur OpenAlexaff
Salvador Valtierra Rodriguez, Michael Greenwood, Delin Li, Jean-Benoît Lévesque, Vladimir Timoshevskii, Daniel Paquet, Nikolas Provatas

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSolidification and crystal growth phenomena
Établissements canadiensHydro-QuébecNatural Resources CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrostructureAusteniteMaterials scienceCastingMetallurgyPhase (matter)ThermalAustenitic stainless steelTurbinePhase field modelsMechanicsThermodynamicsMechanical engineeringEngineeringCorrosionPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The performance in hydro-electric turbine casting and repair requires understanding of how process parameters and chemistry selection affect solidification microstructures. The aim of this study is to provide a quantitative phase-field formulation for process-microstructure relationships that seeks to model stainless steels. We have developed a phase-field model to simulate austenitic stainless steel solidification under experimental thermal histories. To this end we look at a pseudo-binary approximations for numerical efficiency. The pseudo-binary formulation is underpinned by the alloying element equivalent value, a metallurgical tool used to analyze the microstructural impact of “minor” alloying elements in stainless steels. For model validation we develop thin wall casting experiments to measure the thermal history and chemistry controlled microstructure. The models incorporate a thermodynamic parameterization and are linked to a thermal-phase transformation model which represents the experimentally measured thermal history. The results display a good agreement with the primary branch spacing and cellular to dendritic transition of the casting experiments. These models and software provide the basis for future expansion to include more complex microstructures.

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)0,001
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 enseignants0,022
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,042
Tête enseignante GPT0,269
Écart entre enseignants0,226 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetSolidification and crystal growth phenomenaTravaux en français237 207