Engineering-Based FE Approach to Appraise Slender Structures Affected by Alkali-Aggregate Reaction (AAR)
Notice bibliographique
Résumé
Alkali-aggregate reaction (AAR) is one of the most harmful distress mechanisms affecting the performance of aging reinforced concrete structures worldwide. Although several prediction models have been developed to assess the chemical reaction, a thorough and comprehensive approach with the capabilities to correlate important parameters that affect AAR and the mechanical properties of deteriorated materials, as well as the abilities to describe the current damaged state of AAR-affected structures (diagnosis) and predict the potential of further damage (prognosis) is still lacking. Such information is essential in selecting efficient remedial/rehabilitation actions for existing structures in the field. This project aims to develop a practical, yet accurate engineering-based finite element (FE) model for assessing AAR damage and predicting the future behaviour of affected infrastructure. The model is validated through three analyses. First, its capability to accurately simulate sound concrete under mechanical loading is verified by successfully simulating different beam failure mechanisms and cracking patterns, as well as predicting the members’ full force-deflection curves. Next, AAR anisotropic expansion under different stress-state (confinement) conditions is accurately simulated and verified by correlation with laboratory tests. Lastly, an AAR-affected slender reinforced concrete structure (Robert-Bourassa/Charest overpass) is successfully simulated by performing a condition assessment based on several tests performed prior to its demolition.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».