Erosion-Corrosion Performance Evaluation of Different Materials for Oil Sand Application
Notice bibliographique
Résumé
Abstract Material loss due to erosion-corrosion decreases the throughput and useful life of the equipment. Simultaneous action of erosion and corrosion is responsible for the high degradation of the hydro-transport equipment. To minimize the operational cost, based on the degradation severity in a specific operation, different classes of materials are being used for different applications. Pipeline steels (i.e. plain carbon, API steels), for example, are relatively cheap and do not provide good wear resistance. These types of steels are typically used for less severe applications such as tailings. Chrome white irons (CWIs) and WC-based overlays, on the other hand, are usually used for more severe wear conditions (i.e. hydro-transport pipeline). In this study, we have evaluated the erosion-corrosion performance of 4 homogeneous materials (pipeline and abrasion-resistant steels) and 5 materials containing different types and amounts of carbide (chrome white iron and WC-based overlay). Erosion-corrosion test was performed inside a slurry pot at 45°C, in an aqueous slurry containing 35wt% natural silica sand and 3.5wt% NaCl. The wear performance of these materials was evaluated based on the total erosion-corrosion (E-C) rate as well as the separate components of synergistic effect. In the current test condition, WC-based overlays demonstrate the best erosion-corrosion resistance. For all carbide-containing materials, it was found that matrix wear influences the extent of carbide degradation. For the carbides to provide good erosion-corrosion resistance, the surrounding matrix that supports the carbide should have sufficient wear and corrosion resistance. Dominant wear mechanisms for homogeneous and carbide-containing materials have also been identified.
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 | 0,001 | 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) | 0,008 | 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 ».