Characterization of Asphalt Mixtures Produced with Coarse and Fine Recycled Asphalt Particles
Notice bibliographique
Résumé
Utilizing recycled asphalt pavements (RAP) in pavement construction is known as a sustainable approach with significant economic and environmental benefits. While studying the effect of high RAP contents on the performance of hot mix asphalt (HMA) mixes has been the focus of several research projects, limited work has been done on studying the effect of RAP fraction and particle size on the overall performance of high RAP mixes produced solely with either coarse or fine RAP particles. To this end, three mixes including a conventional control mix with no RAP, a fine RAP mix (FRM) made with 35% percent fine RAP, and a coarse RAP mix (CRM) prepared with 54% of coarse RAP were designed and investigated in this study. These mixes were evaluated with respect to their rutting resistance, fatigue cracking resistance, and low temperature cracking performance. The results indicate that although the CRM had a higher RAP content, it exhibited better or at least the same performance than the FRM. The thermal stress restrained specimen testing (TSRST) results showed that the control mix performed slightly better than the CRM, while the FRM performance was adversely affected with respect to the transition temperature midpoint and the maximum tensile stress temperature. Both of the RAP incorporated mixes exhibited better rutting resistance than the control mix. With regard to fatigue cracking, the CRM performed better than the FRM. It can be concluded that the RAP particle size has a considerable effect on its contribution to the total binder content, the aggregate skeleton of the mix, and ultimately the performance of the mix. In spite of the higher RAP content in the CRM versus FRM, the satisfactory performance observed for the CRM mix indicates a great potential in producing high RAP content mixes through optimizing the RAP particle size and content. The results also suggest that the black curve gradation assumption is not representative of the actual RAP particles contribution in a high RAP mix.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».