MétaCan
Menu
Retour à la cohorte
Enregistrement W2102864810 · doi:10.1139/cjce-2014-0331

Nonlinear analysis of isotropic slab bridges under extreme traffic loading

2015· article· en· W2102864810 sur OpenAlexvenueno aff
Donya Hajializadeh, Salam Al‐Sabah, Eugene J. OBrien, Debra F. Laefer, Bernard Enright

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesRijkswaterstaatEuropean Commission
Mots-clésNonlinear systemExtrapolationSlabStructural engineeringIsotropyFinite element methodLinear modelLinear elasticityEngineeringComputer scienceMathematicsPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Probabilistic analysis of traffic loading on a bridge traditionally involves an extrapolation from measured or simulated load effects to a characteristic maximum value. In recent years, long run simulations, whereby thousands of years of traffic are simulated, have allowed researchers to gain new insights into the nature of the traffic scenarios that govern at the limit state. For example, mobile cranes and low-loaders, sometimes accompanied by a common articulated truck, have been shown to govern in most cases. In this paper, the extreme loading scenarios identified in the long-run simulation are applied to a non-linear, two-dimensional (2D) plate finite element model. For the first time, the loading scenarios that govern in 2D nonlinear analyses are found and compared to those that govern for 2D linear and one-dimensional (1D) linear and nonlinear analyses. Results show that, for an isotropic slab, the governing loading scenarios are similar to those that govern in simple 1D (beam) models. Furthermore, there are only slight differences in the critical positions of the vehicles. It is also evident that the load effects causing failure in the 2D linear elastic plate models are significantly lower, i.e., 2D linear elastic analysis is more conservative than both 2D nonlinear and 1D linear and nonlinear analyses.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,192
Écart entre enseignants0,175 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetRailway Engineering and DynamicsTravaux en français237 207