MétaCan
Menu
Retour à la cohorte
Enregistrement W2074746374 · doi:10.3141/2360-04

Fatigue Testing and Structural Health Monitoring of Retrofitted Web Stiffeners on Steel Highway Bridges

2013· article· en· W2074746374 sur OpenAlexafffund
Kasra Ghahremani, Ayan Sadhu, Scott Walbridge, Sriram Narasimhan

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMinistère des TransportsUniversity of Waterloo
Mots-clésStructural engineeringWeldingCrackingGirderDeflection (physics)Materials scienceTransverse planeFinite element methodFatigue crackingEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Numerous steel highway bridges, still in use today, were built during the construction boom between the late 1950s and the late 1970s. Fatigue cracking can be considered a main source of deterioration for these bridges. The largest category of observed fatigue cracks is caused by out-of-plane distortion. The most susceptible locations are those at which transverse structural components (such as diaphragms or cross frames) are framed into longitudinal girders through web stiffeners that are not attached to the flanges. In the current study, a web stiffener detail is fatigue tested under different cyclic loading conditions. As-welded specimens are tested, along with specimens retrofitted by grinding and rewelding, needle peening, or the adhesive bonding of fiber-reinforced polymer attachments. Direct strain and deflection measurements are compared with finite element analysis predictions, and local (hot-spot) stresses are compared with hot-spot stress design curves. A time series–based method for damage detection is also explored for the prediction of fatigue crack depth with strain data. The method is validated through the use of small- and large-scale specimen strain data. It is found that damage measures based on strains in the vicinity of the critical hot spot are closely correlated with the true crack depth.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,131
Tête enseignante GPT0,397
Écart entre enseignants0,266 · 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'étudeObservationnel
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

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetStructural Health Monitoring TechniquesTravaux en français237 207