MétaCan
Menu
Retour à la cohorte
Enregistrement W2599566024 · doi:10.5539/jsd.v10n2p228

Evaluation of Reinforced Concrete Columns under Biaxial Bending

2017· article· en· W2599566024 sur OpenAlexvenueno aff
Mohammadreza Zarringol, Mohammadehsan Zarringol

Notice bibliographique

RevueJournal of Sustainable Development · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Behavior of Reinforced Concrete
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDuctility (Earth science)Structural engineeringBendingFinite element methodComposite materialReinforcementBucklingReinforced concreteUltimate tensile strengthCreepEngineering

Résumé

récupéré en direct d'OpenAlex

Modeling by finite element method provides a ground for better perception of the behavior of reinforce columns and it is also useful in prediction of the behavior of these members without the experimental results. The performance improvement depends upon different parameters including the geometry of columns and configuration of reinforcement layers. In this study, slender reinforced columns are modeled under axial and biaxial bending loading with Carbon fiberreinforced polymer (CFRP) with different slender ratios using Abaqus software. The model is validated by the results of Bilchek et al., experiments. In this design, 30 concrete unstrengthened hoop columns with the diameter 100mm and heights 200,400,600,800,1000mm are made and reinforced with bidirectional CFRP composites. In each slenderness, a control sample (unstrengthened) and 5 reinforced specimens with different fiber configurations (hoop, longitudinal, angel and their combination) are tested under axial loading and biaxial bending to the ultimate failure. The results showed that these composites increased strength and ductility of specimens considerably. The results showed that in unstrengthened specimens, by increasing slenderness from 1 to 10, strength and ductility were reduced as 35, 65%, respectively. The results showed that the modeling using experimental data had good consistency. Based on the shortage of experimental data in slender columns at big scale, by performing similar studies, the existing problems can be eliminated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,029
Tête enseignante GPT0,276
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetStructural Behavior of Reinforced ConcreteTravaux en français237 207