MétaCan
Menu
Retour à la cohorte
Enregistrement W4400723553 · doi:10.1080/19236026.2024.2350920

Effect of forming parameters on the corrosion performance of retrogression- and warm-formed AA7075 alloy sheets

2024· article· en· W4400723553 sur OpenAlexafffund
Seyiwa Kope, Ibrahim G. Ogunsanya

Notice bibliographique

RevueCIM Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAlloyMaterials scienceCorrosionMetallurgy

Résumé

récupéré en direct d'OpenAlex

Retrogression forming (RF) and warm forming (WF) are used to remedy formability limitations of high-strength precipitation-hardened AA7075 alloy sheets. RF is a thermomechanical treatment combining retrogression heat treatment and the forming of initially peak-aged T6 temper. WF is a thermomechanical treatment of initially pre-aged temper. The present work examines the corrosion performance of retrogression- and warm-formed AA7075 alloy sheets by determining the optimal pre-aging temperature (80°C or 100°C), forming temperature (room temperature, 150–200°C), strain rate (1, 0.1, or 0.01 s−1), and heating rate (1.1 or 20°C·s−1) for conventional slow and novel fast-forming technologies. Several alternating- and direct-current electrochemical tests were administered, including electrochemical impedance spectroscopy, potentiodynamic polarization, and linear polarization resistance. Results showed that the corrosion performance (i.e., passive film and corrosion-resistant properties) of formed AA7075 sheets was directly proportional to pre-aging and WF temperatures, inversely proportional to the RF temperature, and mildly affected by strain/forming rate and heating rate during forming.

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 seuil0,002

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCIM JournalMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207