Preparation and Hydration Mechanism of Low Shrinkage Railway Sleeper Concrete Containing Hot Steaming Steel Slag
Notice bibliographique
Résumé
The cascade grinding technology was used to product cementitious materials with hot steaming steel slag (SS), iron ore tailings (IOT), granulated blast furnace slag (GBFS), cement clinker (CC) and flue gas desulfurization gypsum (FGDG).The effect of SS on the mechanical properties and autogenous shrinkage of railway sleeper concrete and the mechanism of SS inhibiting the autogenous shrinkage of railway sleeper concrete were studied by means of X-ray diffraction (XRD), flourier transform-infrared spectroscopy (FT-IR), and scanning electron microscope (SEM).The results show that the compressive strength of IOT railway sleeper concrete mixed with SS (SIRSC) is lower than that of IOT railway sleeper concrete unmixed with SS (UIRSC) at the same age.However autogenous shrinkage of SIRSC is significantly lower than that of UIRSC, autogenous shrinkage value of SIRSC at 28 d was 230×10 -6 , while that of UIRSC was 593×10 -6 .The hydration mechanism analysis shows that the hydration expansion of a small amount of inert f-CaO and f-MgO phase contained in the SS is the main expansion source to restrain the autogenous shrinkage of SIRSC.The f-CaO and f-MgO phases are highly dispersed after superfine grinding SS is mixed with concrete.In the middle and later stage of concrete hardening, the synergistic growth of ettringite (AFt) and C-S-H gels inhibits the autogenous shrinkage of SIRSC and improves the mechanical properties.
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 | 0,000 | 0,000 |
| 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 ».