Predicting the effect of non-uniform fiber distribution on the tensile response of ultra-high-performance fiber reinforced concrete by magnetic inductance-based finite element analysis
Notice bibliographique
Résumé
on-uniform fiber distribution can significantly reduce the extension of multiple-cracking and favor crack localizations in Ultra-High Performance Fiber Reinforced Concrete (UHPFRC) members under tension with important implication on the sought durability. This work aims at fostering the coupling between a novel Non-Destructive Technique, namely Magnetic Inductance Method (MIM), and Finite Element Method (FEM) to predict the effect of nonuniform fiber distribution on the micro-cracking response of UHPFRC samples under tensile loading. First, uniaxial tensile tests on 5 dumbbell samples of UHPFRC with 3.8% of steel fibers showed that tensile ductility is much affected by the degree of uniformity of the fiber distribution. Thus, FEM analysis was performed with the Concrete Damaged Plasticity model (CDP) in Abaqus software, where the UHPFRC tensile law was scaled by a field variable based on the fiber orientation factor and the fiber efficiency factor (μ0 and μ1) measured by Magnetic Inductance Method (MIM). The field variable scales the UHPFRC tensile law between an upper and a lower bound of the tensile law estimated by a fiber pull-out model and a cohesive law for concrete matrix, respectively. The accuracy of the proposed MIM-FEM method was verified against the experimental results by considering the load-displacement curve, the asymmetric displacement, the crack pattern, the fracture energy, and the evolution of the microcrack opening. Based on the presented results, the proposed MIM-FEM method can map and quantitatively analyze the effect of non-uniform fiber distribution for UHPFRC members under tension, thus providing potential application value for infrastructures, pre-casting and architectural applications more broadly.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».