Optimization of Fiber-Reinforced Polymer Bars for Reinforced Concrete Column Using Nonlinear Finite Element Algorithms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ductility and strength of reinforced concrete (RC) columns could be noticeably improved by replacing steel bars with polymeric bars. Despite the previous research on RC columns, most of those studies focused only on the lateral load capacity of this structural member and were mainly costly experimental studies. However, this paper is concentrated on the previously occurred damages to the reinforced columns in the previous earthquakes. Subsequently, finite element analysis has been performed to examine 24 models including the various shapes of RC columns. In employing the plastic behavior of steel, carbon fiber-reinforced polymer (CFRP), and glass fiber reinforced polymer (GFRP) bars, the bilinear hardening has been considered. To capture both compressive and tensile behavior of the concrete, the concrete damage plasticity model has been implemented. Furthermore, the optimization technique is used for CFRP models to compare with other models. In this paper, the parameters of energy, seismic factor, stiffness, and ductility have been computed using the method proposed by the authors. This suggested method is considered to compare the results from each parameter. Finite element results of steel bars are compared with carbon and glass models. The results show the stiffness of models is improved by CFRP bars, while the energy absorption and ductility factor are enhanced with steel bars. Moreover, GFRP bars can enhance the seismic factor. The reduction of column stiffness to almost half would occur in some rectangular cross-section columns.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 découle