Crystal plasticity analysis of instrumented indentation on a service-aged Cr–Mo steel
Notice bibliographique
Résumé
Samples extracted from pressure vessels that had been in service for 40 years at 480 °C revealed a 24% increase in tensile strength and a 30% decrease in elongation compared with new material. However, artificially aging at 700 °C for 2 h revealed a decrease in tensile strength and a slight decrease in elongation despite having a similar Holloman–Jaffe (HJ) tempering parameter to the service-exposed samples. Mesoscale crystal plasticity simulations were conducted to understand the aging microstructure on microhardness indentation, incorporating a dislocation density-based constitutive law. Experimental results in dislocation density, grain orientations, and particle sizes were used as inputs for the crystal plasticity model. Atomic force microscopy (AFM) was used to measure the depth profile of the nanoindentation marks, validating the model. Both experimental and simulation results indicated that precipitation hardening by nanoscale semi-coherent M o 2 C significantly strengthened the ferrite matrix during aging. The dissolution of F e 3 C in pearlite had decreased the tensile strength, while the increased carbide precipitation and dislocation densities had increased the tensile strength of the ferrite matrix in the service-exposed samples. An indentation model for microhardness of the pearlite regions confirmed that the spheroidization of carbides in pearlite during aging had contributed to the decrease in hardness and strength.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».