MétaCan
Menu
Retour à la cohorte
Enregistrement W4221102238 · doi:10.1139/cjce-2021-0084

The rheological behavior and high-low temperature performance of warm SBS/rubber asphalt

2022· article· en· W4221102238 sur OpenAlexvenueno aff
Zhenwu Shi, Binhua Wang, Lize Yu, Bo Li, Haitao Zhang

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesNortheast Forestry University
Mots-clésAsphaltMaterials scienceRutComposite materialNatural rubberRheologyViscoelasticityCrumb rubberCrackingStyrene-butadienePolymerStyreneCopolymer

Résumé

récupéré en direct d'OpenAlex

Rubber asphalt pavement has the performance advantages of noise reduction, anti-rutting, and anti-cracking. In this paper, the deformation recovery ability, stress sensitivity, dynamic mechanical performance, and chemical components of a warm mix styrene-butadiene-styrene (SBS)/rubber asphalt before and after aging were analyzed. The results showed that the high-low temperature performance of the asphalt was improved, and the ratio of the viscoelastic component was changed by adding the LKW-II warm mix additive to the asphalt. The high-temperature performance of the warm mix SBS/rubber asphalt was improved after short-term aging. At a proportion of the warm mix additive of 0.1%, the high-temperature rheological performance was substantially improved, the anti-rutting ability was enhanced, and the stress sensitivity was the lowest. At high temperatures, the improvements were relatively small at warm mix additive proportions of 0.3% and 0.5%. The low-temperature performance was significantly improved at a proportion of 0.3%. The Burgers model was used to evaluate the low-temperature mechanical behavior and confirmed the low-temperature performance results. The Fourier transform infrared spectroscopy results showed that no new substances were produced after adding the LKW-II warm mix additive to the SBS/rubber asphalt, and the viscosity was reduced by changing the intermolecular force.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,184
Écart entre enseignants0,177 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207