The Dual Influence of Silicon Content and Mechanical Stress on Magnetic Barkhausen Noise in Non-Oriented Electrical Steel
Notice bibliographique
Résumé
Magnetic Barkhausen noise (MBN) analysis is a non-destructive evaluation technique that offers significant advantages in assessing the magnetic properties of electrical steels. It is particularly useful for quality control in electrical steel production and for evaluating magnetic quality during core manufacturing and assembly. Despite its potential, MBN has not been widely used in electrical steel characterization. One obstacle is that the effects of silicon content in the electrical steel and the residual stress generated during its processing on MBN have not been thoroughly understood, limiting the practical application of the MBN technique in the electrical steel and electric motor industries. To address this knowledge gap, this paper investigates the MBN responses from four non-oriented electrical steel (NOES) sheets with varying silicon contents (0.88, 1.8, 2.8, and 3.2 wt%) but similar other elements. The measurements were performed both with and without applied tensile stress. It is observed that increasing the Si content increases the pinning density, which, together with the microstructure and texture, largely impacts the MBN response. In addition, the MBN energy increases with the applied stress, which can be attributed to the increase in the number of 180° domain walls (DWs) in the direction of stress. The rate of this MBN increase, however, differs among steels with different silicon concentrations. This difference is due to the combined effect of the DWs and pinning density. When the DW spacing becomes less than the jump distance between the pinning sites, no further increase in the MBN energy is observed with additional stress. The reported results provide a basis for the interpretation of MBN signals for varying wt% Si in NOES when residual stresses are present.
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 ».