Nondestructive Assessment of Elastomeric Bridge Bearings Using 3D Digital Image Correlation
Notice bibliographique
Résumé
Elastomeric bridge bearings are installed between the bridge superstructure and substructure to accommodate translational and rotational deformations. The manufacturing quality of elastomeric bridge bearings is of high significance because manufacturing defects (such as variations in rubber layer thickness and nonparallel steel laminates) may jeopardize their short- and long-term structural behavior and integrity. Current quality control procedures involve destructive testing of samples of bearings from a lot. This type of testing is time consuming and costly, and thus limited to a relatively small sample size, which may undermine confidence in the quality of remaining bearings in the lot. This paper presents an alternative, vision-based assessment methodology for the nondestructive identification of the internal structure of elastomeric bridge bearings. The methodology capitalizes on the high deformability of rubber and the near inextensibility of the steel laminates, which together result in a unique deformation pattern on the vertical surfaces of a bearing when it is subjected to axial load. This deformation pattern features local extrema in in-plane strain and horizontal displacement fields on the vertical surfaces. These local extrema are analyzed to deduce the thicknesses of the rubber layers and rubber side covers. The methodology is developed based on three-dimensional finite-element analyses (3D-FEA). Then, three-dimensional digital image correlation (3D-DIC) is used in experimental tests to evaluate its capability to identify manufacturing defects in elastomeric bridge bearings. Finally, the methodology is validated against destructive tests. The nondestructive method presented in this study is conducted in conjunction with compressive tests that departments of transportation carry out routinely and is therefore expected to facilitate rapid and cost-effective qualification of elastomeric bridge bearings.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».