MétaCan
Menu
Retour à la cohorte
Enregistrement W3082144786 · doi:10.3390/app10175983

Flexural Performance of Novel Nail-Cross-Laminated Timber Composite Panels

2020· article· en· W3082144786 sur OpenAlexaff
Yannian Zhang, Moncef L. Nehdi, Xiaohan Gao, Lei V. Zhang

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFlexural strengthStructural engineeringComposite numberNail (fastener)Ultimate tensile strengthSandwich-structured compositeBearing capacityEngineeringComposite materialMaterials science

Résumé

récupéré en direct d'OpenAlex

Cross-laminated timber (CLT) is an innovative wood panel composite that has been attracting growing interest worldwide. Apart from its economic benefits, CLT takes full advantage of both the tensile strength parallel to the wood grain and its compressive strength perpendicular to the grain, which enhances the load bearing capacity of the composite. However, traditional CLT panels are made with glue, which can expire and lose effectiveness over time, compromising the CLT panel mechanical strength. To mitigate such shortcomings of conventional CLT panels, we pioneer herein nail-cross-laminated timber (NCLT) panels with more reliable connection system. This study investigates the flexural performance of NCLT panels made with different types of nails and explores the effects of key design parameters including the nail incidence angle, nail type, total number of nails, and number of layers. Results show that NCLT panels have better flexural performance than traditional CLT panels. The failure mode of NCLT panels depends on the nail angle, nail type, and quantity of nails. A modified formula for predicting the flexural bearing capacity of NCLT panels was proposed and proven accurate. The findings could blaze the trail for potential applications of NCLT panels as a sustainable and resilient construction composite for lightweight structures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,103
Score d'incertitude au seuil0,295

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,235
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetWood Treatment and PropertiesTravaux en français237 207