Time–Frequency Domain Analysis of Asphalt Longitudinal Strain
Notice bibliographique
Résumé
The application of time–frequency domain analysis methods, such as continuous wavelet transform (CWT) and short-time Fourier transform (STFT), is evaluated in the extraction of the dominant frequency from asphalt longitudinal strain signals. The pavement response data collected at the fully instrumented Integrated Road Research Facility in Edmonton, Alberta, Canada, was used in this study. Promising results were achieved when CWT and STFT were used to determine the dominant frequency of the measured longitudinal strain at the bottom of the asphalt layer at different vehicular speeds. The dominant frequencies obtained from these methods were compared with those from conventional time-to-frequency conversion methods. Results showed that a frequency calculation that used the inverse of tensile pulse duration led to noticeably larger frequencies compared with those associated with the CWT and STFT methods. The accuracy of the determined frequencies and the corresponding moduli of hot-mix asphalt were evaluated by predicting strains with the KENPAVE program. This analysis showed the advantage of using time–frequency domain methods because they led to more reasonable agreements between the measured and predicted responses. Finally, the impact of frequency calculation methods on the potential fatigue cracking life was assessed by taking the estimated moduli and strains of hot-mix asphalt into account. It was found that the fatigue cracking life can be overestimated by almost 45% when frequency is considered as a reciprocal of pulse duration compared with when prediction is based on time–frequency domain methods.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».