MétaCan
Menu
Retour à la cohorte
Enregistrement W4405231259 · doi:10.31857/s0015323024050076

Physical and technological features of mechanoactivation of powder particles formed during hydro-vacuum dispersion of metallic melts

2024· article· en· W4405231259 sur OpenAlexaff
G. V. Jandieri, David Sakhvadze, Besik Saralidze, Giorgi Sakhvadze

Notice bibliographique

RevueФизика металлов и металловедение · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Properties and Applications
Établissements canadiensFédération des Comités de Parents du Québec
Organismes subventionnairesnon disponible
Mots-clésDispersion (optics)Materials scienceMetallurgyMetalComposite materialOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

A study has been conducted on the hydro-vacuum dispersion process of metal melts using gray cast iron SCh20 (in Russian nomencluture; 3.3–3.5C, 1.4–2.4Si, 0.7–1Mn, 0.15S, 0.2P in wt %)—an analogue of GG20. It has been revealed that the main factor conditioning the mechanoactivation of formed particles is their solidification in a fibrous non-equilibrium structural-tensioned state. This state is achieved by flattening and asymmetric twistedness of droplets that are detached from the liquid metal in the disperser under volumetric impact of shock-pulsating waves of hydraulic discharge. The degree of particle activation was found to depend exponentially on their dispersion and specific surface area. These parameters determine the degree of asymmetry of shear deformations and the amount of accumulated energy. In turn, the size dispersion and specific surface are significantly influenced by physical and technological factors such as the specific flow rate and pressure of injected water, the thickness and the elevation angle of the hydro shell of the vacuum diffusion funnel, the diameter of the dispersed melt jet passed through it, and its superheating temperature. The control of these parameters makes it possible to smoothly adjust the key ratio “liquid metal: water” and set up the dispersion process with the highest possible degree of size dispersion and activation of the resulting powder.

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 enseignants0,026
Score d'incertitude au seuil0,589

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 recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,243
Écart entre enseignants0,229 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueФизика металлов и металловедениеMême sujetMaterial Properties and ApplicationsTravaux en français237 207