Clogging potential of tunnel boring machine (TBM): a review
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
Tunnel boring machines excavating through soft soils face different challenges, one of which occurs when the soil sticks to the cutter face or the conveyor band and obstructs the machine. This phenomenon, commonly referred to as clogging, leads to wearing of the cutting wheel and transportation system, delays in the time schedule and economic loss. Although several laboratory devices can evaluate the adhesion mechanism of soil to metal, the method to measure adhesion has not been standardised. As clogging is also directly related to the construction phase, engineers are more concerned with methods to avoid this problem during construction. In this regard, the application of soil conditioners has become useful, the benefits of which include torque reduction, easier soil manageability and clogging reduction. However, the effectiveness of the soil conditioners is difficult to evaluate. To provide some insight into the topic, this paper describes the basic mechanism of clogging, the key parameters for its evaluation, the laboratory tests conducted up to date, the classification diagrams developed to assess clogging risk and mitigation of this risk in underground tunnelling. This paper also describes some of the additives and their functions, the ratios used for measurement and application, and the current tests to evaluate their performance. Finally, the conclusions summarise the current findings in the issue of clogging, pointing to the advantages and shortcomings of previous research, as well as some lines of investigation to improve identification and mitigation of this problem.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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