MétaCan
Menu
Retour à la cohorte
Enregistrement W7065362285

Dynamic transformation of austenite to ferrite above the Ae³ temperature

2016· dissertation· en· W7065362285 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2016
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesIron and Steel Institute of JapanNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésAusteniteFerrite (magnet)Isothermal transformation diagramTransformation (genetics)Beta ferrite
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The dynamic transformation (DT) of austenite to ferrite above the Ae 3 temperature was studied in a plain C-Mn and a Nb microalloyed steel.Compression and torsion tests were carried out over the temperature range 880 °C to 1350 °C applied at a strain rate of 1 s -1 .The deformation temperatures were all above the ortho and para-equilibrium Ae 3 transformation temperatures.These experiments were performed in a 95%Ar -5%H 2 atmosphere (on the MTS machines) and in a vacuum (Gleeble 3800 system), and all the samples were water quenched immediately after straining.In this work, the optical and electron microscopy images provided evidence of the presence of dynamically formed ferrite plates.These plates have near identical orientations and coalesce into polygonal grains upon continued straining.Gibbs entre l'austénite et la ferrite, qui présente un maximum à mi-chemin entre la température Ae 3 et la température de formation de la ferrite delta.Cette analyse thermodynamique peut également être utilisée pour déterminer les effets des éléments d'addition.Wray (1984) a évalué les contraintes d'écoulement à haute température par l'intermédiaire d'essais de traction sur quatre alliages Fe-Mn-Si.Ces résultats sont utilisés pour identifier comment le Mn et le Si impactent les forces motrices et les forces d'opposition.Le modèle montre que l'addition de Mn augmente à la fois la force motrice de la transformation dynamique ainsi que l'énergie d'activation de la formation de la ferrite.Inversement, si l'addition de Si augmente également la force motrice, elle diminue simultanément l'énergie d'activation de la transformation dynamique.Ce qui a pour conséquence d'augmenter la gamme de températures dans laquelle la transformation dynamique peut avoir lieu.Des simulations de laminage par l'intermédiaire d'essais de torsion ont été réalisées sur des aciers microallié au Nb et au C-Mn afin de déterminer les effets de la transformation dynamique sur la force de laminage.Des passes de déformation de 0,4 ont été appliquées avec une vitesse de déformation de 1 s -1 et entrecoupées par des interpasses sans déformation ayant un temps allant de 0,5 à 5 s.Pour plus de réalisme, des simulations ont été réalisées dans des conditions de refroidissements continus.Il a été observé que les niveaux des contraintes d'écoulement ainsi que la contrainte d'écoulement moyenne diminuent significativement pendant les simulations.Cet adoucissement est associé à la formation de ferrite.Les observations au microscope optique ont révélées que la fraction volumique de ferrite transformée dynamiquement augmente de manière continue à chaque passe.La fraction de ferrite transformée dynamiquement était significativement plus importante lors de temps d'interpasses courts.Lors de longs intervalles de temps, la ferrite a tendance à se transformer à nouveau en austénite.Ces observations indiquent que la transformation dynamique de la ferrite se réalise de manière 'displacive', tandis que la transformation de la ferrite en austénite se réalise selon un mécanisme diffusif.La germination et la croissance de la ferrite réduisent la force de laminage et modifient la microstructure.Les comparaisons entre les aciers au C-Mn et au Nb indiquent que l'ajout de Nb retarde aussi bien les deux transformations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0050,001

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 Opus0,007
Tête enseignante GPT0,259
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207