Comparative evaluation of dynamic responses of RCC composite pavement under different moving axles
Notice bibliographique
Résumé
Roller-compacted composite pavement is considered as an alternative for traditional pavements that provides the desired benefits of both rigid and flexible pavements in a cost-effective manner. To evaluate the performance of roller-compacted concrete (RCC) composite pavement under moving loads, a three-dimensional finite element model (FEM) was developed. A realistic dynamic moving load was applied to the surface of the pavement via DLOAD subroutines developed by FORTRAN. The dynamic response of the pavement at critical locations induced by single, tandem, and tridem axles at speeds of 8 and 80 km/h was determined using the developed FEM model and utilized to estimate pavement performance. Sensitivity analysis of design factors considering variations of hot mix asphalt (HMA) and RCC thicknesses, RCC elastic modulus, axle configurations, and moving speed was conducted to evaluate their impact on fatigue life and rutting development of RCC composite pavement. The results show that the performance of the pavement is significantly affected by axle configurations and moving speed. Among different axle configurations, the tandem axle creates the highest tensile stress and shear stress in the RCC base and HMA layer, respectively. The fatigue life of the pavement prolongs by increasing in the speed of moving loads, so it is expected that the pavement withstands higher load repetition when it is subjected to higher speed traffic. Moreover, increasing layer thicknesses and stiffness of the RCC layer improve fatigue life and rutting performance of the pavement. Even though increasing the thickness of the HMA layer enhances the fatigue life of pavement, increasing it to over 15 cm increases the potential of rutting.
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 | 0,001 | 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 ».