MétaCan
Menu
Retour à la cohorte
Enregistrement W4401330997 · doi:10.29391/2024.103.029

Zinc-Induced Liquid Metal Embrittlement in Austenitic Microstructures

2024· article· en· W4401330997 sur OpenAlexafffund
Ali Ghatei-Kalashami, Yaohe Zhou

Notice bibliographique

RevueWelding Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesInternational Zinc AssociationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsAmerican Welding Society
Mots-clésLiquid metal embrittlementMetallurgyMaterials scienceAusteniteMicrostructureEmbrittlementZincLiquid metalMetalHydrogen embrittlementCorrosionGrain boundary

Résumé

récupéré en direct d'OpenAlex

The problem of liquid metal embrittlement (LME) is one of the main concerns to be addressed when developing high-strength automotive steels. Although LME has been extensively investigated over the past decade, the role of LME-induced cracking on the failure mechanism of steel substrates has not been adequately explored. This study investigates the influence of LME cracking on the tensile properties and failure mechanism of an austenitic microstructure. An in-depth analysis of the LME crack propagation path revealed that the crack propagated predominantly along highangle, random grain boundaries. The detailed failure analysis showed that the Zn-coated austenitic steel failed in an intergranular mechanism without any plastic strain being applied to the grains during deformation. The results of the study indicate that stress-assisted grain boundary diffusion is responsible for the premature failure of Zn-coated austenitic microstructures at much lower tensile stresses than that of the uncoated specimen. It was found that the application of thermomechanical conditions characterized by low stress and low temperature, combined with microstructures featuring a low Zn grain boundary diffusion rate, can effectively reduce LME cracking.

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 enseignants0,030
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,011
Tête enseignante GPT0,261
Écart entre enseignants0,251 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWelding JournalMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207