Multi-Level Modelling Strategies for Accurate Assessment of Masonry Arch Bridges
Notice bibliographique
Résumé
This keynote lecture presents multi-level FE modelling strategies developed within the Computational Structural Mechanics group at Imperial College London for nonlinear simulation of masonry bridges. Most masonry bridges and viaducts were built more than a century ago and are still in use representing key components of roadway and railway infrastructure systems in different countries around the world. Material deterioration and increased traffic loading have led to the progressive development of damage and cracking in the brick/blockwork potentially leading to substandard performance. Accurate assessment is required to evaluate structural safety and guide the implementation of effective strengthening measures. It should be based on a realistic representation of the complex interaction among the different components including arch barrel, spandrel walls, backfill and piers in multi-span bridges. The developed 3D and 2D mesoscale and macroscale models for masonry bridges are based on different scales of representation to model material nonlinearity in masonry. Backfill materials are modelled by elasto-plastic continuum descriptions taking into account the inherent cohesive and frictional characteristics, while the physical interfaces between the different masonry parts and the backfill are represented by nonlinear interfaces allowing for separation and sliding. Detailed mesoscale models enable separate descriptions for masonry units and mortar joints providing a high-fidelity representation of the material response and the incorporation of existing damage and cracking. More efficient macroscale models guarantee a reduced computational cost. They still allow for the typical 3D response of masonry bridges but require detailed calibration of the model material parameters. Numerical examples comprising comparisons against the results from physical experiments on fullscale specimens and monitoring data on realistic bridges are presented for a critical appraisal of the developed multi-level modelling strategies for masonry arch bridges.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».