MétaCan
Menu
Retour à la cohorte
Enregistrement W7132453859

Galvanic corrosion assessment of ASTM A1010 bridge steel and bolts and effect of temperature and acidity

2018· article· en· W7132453859 sur OpenAlexvenueno aff
J. Z. Zhang, Nafiseh Ebrahimi, David Lai

Notice bibliographique

RevueNPARC · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrosionGalvanizationGalvanic cellGalvanic corrosionWeathering steelAtmosphere (unit)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study has compared the galvanic corrosion risk of two types of bolt for ASTM A1010 steel that is used in construction of a new generation of corrosion-resistant stele bridges. The high corrosion resistance of A1010 steel with a more positive corrosion potential imposes a risk of galvanic corrosion with the connection bolts in direct electrical contact. The galvanic corrosion was studied between A1010 steel and galvanized ASTM A325 Type I bolt and ASTM A193 B8 class 2 bolt, The result was compared to that of A325 bolt and weathering steel. Galvanic corrosion risk was evaluated through experimental investigation in the cells of aerated salt solution and was further validated by visual examinations of bolted steel plates in salt spray testing chamber. The effect of temperature and acidity of environments was also investigated to illustrate the impact of climate change. It shows that not only the galvanic corrosion risk of using B8 bolt in A1010 steel bridges is much smaller than that of A325 bolt, but also it is affected much less by temperature rise and increase in acidity. The study suggests that climate change may have very different effects on different components of a steel bridge, and effect on galvanic corrosion could be much worse than the individual components. Furthermore, the corrosivity of atmosphere for bridge design such as pollutants in an atmosphere and temperature rise needs to be reviewed and re-evaluated under climate change.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,246
Écart entre enseignants0,240 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetConcrete Corrosion and DurabilityTravaux en français237 207