Corrosion of Surface-Treated Type 304 Stainless Steel in Alkaline Subcritical Water
Notice bibliographique
Résumé
Surface treatment can reduce corrosion of stainless steel in hot-pressurized (subcritical/supercritical) water and, thus is being considered to control corrosion of austenitic stainless steel Type 304 (Fe-18Cr-8Ni) for application to hydrothermal liquefaction (HTL) conversion of biomass. Typical HTL conversion processes involve hot (250°C to 374°C), pressurized (4 MPa to 22 MPa) subcritical water as the conversion medium with the addition of a homogenous alkaline catalyst. The objective of this research was to determine the relative extent to which well-established surface treatments could reduce corrosion of Type 304 in simulated HTL alkaline water, with the chromia-forming Alloy 33 (Fe-33Cr-32Ni) serving as a comparative baseline. Surface treatments examined include grinding, shot peening, sandblasting, and chemical pickling. Corrosion was assessed using gravimetric measurements made after 10 d of immersion in simulated HTL alkaline water at 310°C and 10 MPa in a static autoclave test system. Analysis of the starting (preimmersion) and corroded (postimmersion) surfaces was conducted using a variety of surface characterization techniques. None of the surface treatments reduced corrosion of Type 304, relative to the mechanically-ground surface, despite achieving the desired outcomes before and during immersion. Alloy 33 is less susceptible to corrosion than Type 304 due to the formation of a more protective Cr2O3 sublayer at the oxide/metal interface.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».