Comparative Performance Evaluation of Retrofit Alternatives for Upgrading Simply Supported Bridges Using 3D Fiber-Based Analysis
Notice bibliographique
Résumé
This study aims to select an effective mitigation approach from different alternatives to upgrade substandard RC bridges to meet the seismic performance objectives of current design standards. The performance assessment results for an existing benchmark bridge confirmed that the bent curvature ductility and bearing displacement control the seismic response. Thus, five contemporary retrofit solutions were investigated, including adding different supplementary lateral force-resisting systems (SLFRSs), replacing old bearings with those equipped with shape memory alloy (SMA), and combinations of these retrofit options. Fourteen earthquake records representing long- and short-period seismic events and the seismo-tectonic characteristics of a moderate seismic region were progressively scaled and applied separately in the two orthogonal directions of detailed simulation models representing the retrofitted benchmark bridge. This study provided insights into the impact of combining contemporary seismic risk mitigation techniques on improving the seismic performance of substandard bridges and presented a range of fragility functions for delaying structural damage and minimizing disruption of existing bridges to avoid traffic interruption. The dynamic response simulation results in the longitudinal direction (LD) confirmed that utilizing SMA bearings reduces curvature ductility and bearing displacement demands. Although the probabilistic assessment study in the transverse direction (TD) indicated that SMA bearings adequately reduce displacement demands, the bridge should be equipped with SLFRSs to overcome the bents’ high curvature ductility demands. Therefore, the most effective retrofit technique in TD is achieved using both SMA bearings and steel bracings.
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 | 0,002 |
| 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 ».