Self-healing capability of engineered cementitious composites incorporating different types of pozzolanic materials
Notice bibliographique
Résumé
Engineered cementitious composites (ECCs) are relatively new construction materials characterized by strain-hardening behavior under excessive tensile loading. The intrinsic selfhealing ability of cracks in ECC is an attractive methodology for durability and in some cases for regaining of mechanical properties. In order to achieve the robust self-healing criteria, this dissertation comprises of four main parts. The first part explores the effectiveness of frost action on water movement into micro-cracked ECC. Experimental findings show that until the end of 150 freezing and thawing (F/T) cycles, sorptivity measurements of ECC went down due to self-healing in micro-cracks. However, after 150 F/T cycles, deterioration surpasses the self-healing effect and increased sorptivity. The second part of the research focuses on the effect of self-healing capability on the different transport properties of micro-cracked ECC with several maturity levels and incorporating different mineral admixtures. Experimental results reveal that with the selection of proper mineral admixture, 92% recovery in water sorptivity results is attainable mostly in the first seven days of curing. The third part investigates the effects of progressively increasing sustained loading on self-healing behavior of 180-day-old micro-cracked ECC incorporating different mineral admixtures. Experimental results show that even under progressively increasing sustained mechanical loading, modulus of rupture results greater than the original values could be obtained, depending on the mineral admixture selection. The last part of the dissertation investigates the selfhealing behavior of large scale ECC reinforced beams under load influence. The results show that ECC beams with no regards to their size exhibit strength recovery after 90 days of extended moist curing. As for ductility, ECC beams with lower shear span to depth ratio have more pronounced recovery than the ones with higher ratios.
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 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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».