Engineered Wood in Cold Climate - Application to Monitoring of a New Swedish Suspension Bridge
Notice bibliographique
Résumé
Engineered wood is increasingly used in large structures in Europe, though little is known of its behavior in cold climate. This paper presents the structural health monitoring (SHM) system of a newly built suspension bridge with a deck of glulam timber as well as a bond stability study regarding cold climate performance of engineered wood. The bridge is located in Skellefteå in northern Sweden, and it connects two parts of the city situated on opposite shores of the Skellefteå river. In this ongoing study of the timber-bridge, a structural health monitoring system is employed to verify structural design and long-term performance. This 130m-span bridge is monitored using GNSS receivers, MEMS accelerometers, laser positioning systems, wireless moisture content sensors, strain gauges and weather stations. Data from the monitoring systems is analyzed regarding accuracy, complexity, costs and reliability for long time use. Engineered wood application in bridges, sports centers and timber buildings are discussed. Bond stability of glulam structures in cold climate is also examined in a range of experiments ranging from small glued wood joints to full size glulam bridge performance over time. From an engineered wood material point of view, the study is relevant to cold regions such as Scandinavia, Canada, Alaska, Russia, and the northern parts of China and Japan etc. The engineered wood constructions in these areas will be exposed to low temperature in a quite long period each year. The goal is to determine how engineered wood behaves when exposed to temperatures between 20 °C to -60 °C.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».