Characterisation of damage due to abrasion in SCC by acoustic emission analysis
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
This investigation evaluates and compares the abrasion resistance of various concrete types by means of acoustic emission (AE) analysis. Normal concrete, self-consolidating concrete (SCC) and SCC with variable supplementary cementing materials (SCMs) were tested under the rotating cutter method for abrasion resistance. The effect of using different SCMs in SCC mixtures including fly ash, metakaolin (MK), silica fume and slag on the abrasion resistance of SCC was examined. In conjunction with the abrasion testing, AE monitoring was simultaneously conducted on all mixtures using AE attached sensors. AE parameters such as signal amplitude, signal strength, number of hits, duration and cumulative signal strength (CSS) were collected during the abrasion tests. Three additional parameters were determined through further analyses: b-value, severity (S r ) and historic index (H(t)). Results from the abrasion tests indicated that the SCC mixture containing MK had the highest abrasion resistance among all tested mixtures. The studied AE parameters including CSS, number of hits, b-value, H(t) and S r were well correlated to the extent of abrasion damage in all tested specimens. The progression of abrasion damage was associated with increased AE activities indicated by high fluctuations in the b-value and H(t) along with ever-increasing values of CSS, number of hits and S r . The AE intensity analysis quantified which ranges for H(t) and S r would indicate the extent and severity of the damage due to abrasion by means of developed damage classification charts.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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