Nondestructive Fatigue Damage Analysis of a Thin Asphalt Concrete Course Using the Wavelet Correlation Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stress wave analysis is employed herein as a nondestructive monitoring tool to assess the level of fatigue damage in a thin asphalt concrete (AC) overlay. A frequency-dependent cross-correlation procedure is developed to specify a stress wave at a desired frequency by using a wavelet kernel. This procedure is referred to as the wavelet correlation method (WCM). Once synthetic surface waves are constructed and subjected to simulated disturbances, such as structural damage or nearby frequencies, their phase velocities are computed using the WCM with over 96 % accuracy. The generated stress waves are periodically processed, while laboratory hot-mix asphalt pavements are trafficked by the third-scale model mobile loading simulator. The dispersion curves are then analyzed to validate that a wave of 16 kHz travels mainly within a 40∼60 mm thickness of a surface layer. Fatigue damage levels are quantified at intervals by the phase velocity that represents the AC elastic modulus. Microdamage healing of the AC during rest periods is then indexed and corrected by shifting the damage progress profile. Consequently, an early reduction in phase velocity, which is caused by microcracking, can be visually observed in the surface cracking once the phase velocity is reduced to about 50 % of the initial value regardless of pavement density and aggregate gradation. Thus, the WCM allows the optimal timing and scheduling of the preservation construction of a thin AC overlay by indicating the critical microdamage stage immediately prior to the visual evidence of surface cracking.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle