MétaCan
Menu
Retour à la cohorte
Enregistrement W4391503362 · doi:10.29391/2024.103.009

Effect of Wire Preheat and Feed Rate in X80 Steel Laser Root Welds: Part 1 — Microstructure

2024· article· en· W4391503362 sur OpenAlexafffund
Hanwen Yang, Nazmul Huda, XIAOYE ZHAO, A.P. Gerlich, J. Chen

Notice bibliographique

RevueWelding Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensUniversity of WaterlooNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésAcicular ferriteMaterials scienceMetallurgyHeat-affected zoneBainiteWeldingAusteniteMicrostructureGas metal arc weldingMartensiteFerrite (magnet)Arc weldingSubmerged arc weldingLaser beam weldingAcicularComposite material

Résumé

récupéré en direct d'OpenAlex

Laser welding with cold versus hot wire feed was employed as a root pass to weld X80 pipeline steel. The influences of wire feed rate and preheat on the fusion zone microstructure were investigated. Increasing the wire feed rate helped generate acicular ferrite in the weld metal, and preheating the wire further suppressed the formation of bainite. The acicular ferrite in the upper region of the fusion zone was finer than that in the lower region, which was due to an increase in nucleation sites available. Five fill and cap passes were applied by gas metal arc welding to fill the remaining top part of the groove. Compared to arc welding with a higher heat input, laser welding led to finer prior austenite grains and smaller bainite packet size in the coarse-grained heat-affected zone and limited the formation of martensite-austenite constituents in the intercritically reheated coarse-grained heat-affected zone.

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 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 enseignants0,477
Score d'incertitude au seuil0,498

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 recherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,226
Écart entre enseignants0,222 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWelding JournalMême sujetWelding Techniques and Residual StressesTravaux en français237 207