MétaCan
Menu
Retour à la cohorte
Enregistrement W4200125464 · doi:10.1061/9780784483565.081

The Thermoelectric Effect and High-Temperature Characteristics of Carbon Nanotubes Modified Asphalt Concrete

2021· article· en· W4200125464 sur OpenAlexaff
Yuhao Liu, Hui Liao, Fang Zhou, Xiaoming Huang

Notice bibliographique

RevueCICTP 2021 · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeMaterials scienceThermoelectric effectAsphaltAsphalt concreteComposite materialCarbon fibersEngineering physicsEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

The addition of Polymer or nano-particle generally improves the viscosity, rheological properties, and fatigue resistance of asphalt binder. However, the thermoelectric effect of nano-modified asphalt concrete has been barely investigated. In some regions, the surface temperature of asphalt pavement can reach 55°C, which is due to consistent solar radiation, whereas the base of road maintains a relatively stable temperature (i.e. 27°C to 33°C). The notable temperature gradient between the surface and base may be utilized to generate electrical power. Asphalt binder and concrete behave as insulators, thus carbon nanotube (CNT), a conductive nanomaterial, is probably a promising modifier. Various contents of CNTs were added into asphalt binder to examine the high-temperature characteristics, including penetration, ductility, and softening point. Rutting laboratory experiments were also carried out on modeled specimens to simulate field circumstances. Furthermore, an innovative thermoelectric effect experiment was conducted. The results indicate the addition of CNTs effectively improve the high temperature stability of modified asphalt concrete. The thermoelectric performance of modified asphalt concrete is considerable, with an electromotive force rate of 21.5 µV/°C.

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 enseignants0,182
Score d'incertitude au seuil0,330

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 Opus0,003
Tête enseignante GPT0,184
Écart entre enseignants0,180 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCICTP 2021Même sujetSmart Materials for ConstructionTravaux en français237 207