Experimental Study and Mathematical Description of Gradation Effect on the Mechanical Characteristics of Crushed Waste Rocks
Notice bibliographique
Résumé
Crushed waste rocks, generated from mining operations, have been widely used for mining infrastructure constructions such as haul roads because of their low cost, high strength, and availability. Crushed waste rock gradation can, however, vary greatly, depending on blasting, mineralogy, and crushing process, but it is a key factor influencing the mechanical properties of crushed waste rocks (including resilient modulus, permanent deformation, and shear strength). Gradation should therefore be optimized to enhance their performance in the field. A series of repeated load and monotonic triaxial tests were carried out on crushed waste rocks with different gravel-to-sand (GS) ratios and fines contents (FC). Results showed that the optimum GS ratio was between 1 and 1.5 and contributed to provide higher resilient modulus and shear strength, and lower permanent strain. An increase in FC could, to the contrary, result in the decrease of resilient modulus and permanent strain and also a significant increase in shear strength. The structure state of crushed waste rocks was quantified using the cm model, and the mechanical properties of crushed waste rocks were dominated by sand and fines when the content of sand and fines was higher than 80%, while it was dominated by gravel particles as the content of sand and fines was lower than 60%. Here, the MR − θ model and the Rahman and Erlingsson model (extended using time-hardening approach) were well adapted to describe resilient modulus and accumulated permanent strain, respectively. Prediction models were also developed based on correlation analyses to predict the resilient modulus and permanent strain of crushed waste rocks based on gradation parameters.
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 | 0,001 | 0,000 |
| 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 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 ».