MétaCan
Menu
Retour à la cohorte
Enregistrement W4281678709 · doi:10.1155/2022/8015731

Characterization of Cold Bituminous Mastics Prepared with Different Active Fillers at High and Intermediate Temperature

2022· article· en· W4281678709 sur OpenAlexafffund
Marc-André Bérubé, Alan Carter, Dharamveer Singh

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesIndian Institute of Technology BombayMitacs
Mots-clésMaterials scienceDynamic shear rheometerComposite materialFiller (materials)AsphaltCrackingViscoelasticityBrittlenessFly ashRut

Résumé

récupéré en direct d'OpenAlex

Cold recycling of asphalt mixes is becoming a usual pavement rehabilitation technique. The use of active fillers in conjunction with bituminous emulsion changes the properties of the mixes, mainly on the mastic characteristics. The use of active filler can make the mastic more brittle, but limited data are available on this aspect. In this study, emulsion-active filler mastics were prepared with two different mixing methods. Two different active fillers, ordinary Portland cement and fly ash, were used at four different contents with a single emulsion and an inert filler. Once cured, the mastics were tested with a dynamic shear rheometer (DSR) to get the viscoelastic properties at high temperature and with the double-edge-notched tension (DENT) test to look at the cracking potential at intermediate temperature. The results show that the order that the materials are incorporated during the mixing of the mastics does have a significant effect on the properties. Also, in terms of stiffness, the optimum amount of active filler is different for the cement than for the fly ash. For the cracking resistance, the results have shown that the addition of both active fillers does have an impact on the cracking resistance, but in the amount tested, no brittle fracture was observed. The results have shown that the type and quantity of active filler are important since it changes the fracture performance and the viscoelastic properties of bituminous mastic.

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 enseignants0,060
Score d'incertitude au seuil0,377

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 savante0,0000,001
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 GPT0,189
Écart entre enseignants0,186 · 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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207