Residual stress evaluation at macro- and micro-scales for non-oriented electrical steels
Bibliographic record
Abstract
Les aciers électriques non-orientés (NOES) sont des matériaux magnétiques qui sont très utilisés comme moteurs électriques. Des études ayant pour but d'améliorer l'efficacité des moteurs en optimisant la texture cristalline, la taille des grains et la composition des aciers NOES. Récemment, l'importance du stress résiduel créé par le procédé de fabrication a été déterminée comme un des facteurs importants qui influence l'efficacité du moteur. Pour améliorer le procédé de fabrication, des techniques de mesures précises du stress résiduel sont nécessaires. Dans cette étude, une technique de mesure du stress qui combine la nanoindentation et le microscope à balayage a été établie. Premièrement, une étude fondamentale de la réponse du matériau après indentation a été faite sur un matériau polycristallin de Fe comme modèle. Le phénomène de pop-in, taille de la déformation plastique et relation entre le macro-stress et micro-stress ont été étudiés. Utilisant les mêmes procédures qui ont été vérifiés avec le modèle, le stress résiduel induit par emboîtement et le procédé de recouvrement des NOES a été mesuré. Un effet d'écrouissage important et stress résiduel ont été calculés selon la variation de la dureté du matériau. Le profil de stress déterminé et la taille de la région stressée s'accordent avec les études précédentes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".