MétaCan
Menu
Retour à la cohorte
Enregistrement W47217155 · doi:10.5006/c2008-08668

Effects of Slurry pH on the Surface Mechanical Properties and Erosion-Corrosion Resistance

2008· article· en· W47217155 sur OpenAlexaff
Baotong Lu, Ke Wang, Xuemei Wan, Jing‐Li Luo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSlurryCorrosionMaterials scienceErosionErosion corrosionMetallurgyComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Effects of anodic dissolution in corrosive slurries with different chemical compositions and pHs on the in-situ surface mechanical properties and slurry erosion-corrosion resistance of carbon steel were investigated. The experimental measurements indicate the existence of corrosion-enhanced erosion because the erosion is accelerated by the anodic current and it depends heavily on the slurry pH and chemistry. The in-situ nanoindentation shows that the presence of anodic current on the surface reduces the surface hardness. When the anodic current density was held unchanged, both the corrosion-enhanced erosion in acidic slurries and the corrosion-induced surface hardness degradation in the acidic solutions were much more pronounced than those in neutral and alkaline slurries/solutions. In the neutral and alkaline media, the corrosion-enhanced erosion and the in-situ surface hardness degradation were hardly affected by the chemical composition of aqueous media but a remarkable impact of chemical composition was observed when corrosive media are acidic. The agreement in the high-to-low order of erosion rates in corrosive slurries and the corrosion-induced surface hardness degradation suggests that the degradation of corrosion-induced surface mechanical property is an important mechanism of corrosion-enhanced erosion.

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 enseignants0,019
Score d'incertitude au seuil0,294

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 Opus0,021
Tête enseignante GPT0,203
Écart entre enseignants0,182 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetErosion and Abrasive MachiningTravaux en français237 207