Effect of Fine Aggregates and Mineral Fillers on the Permanent Deformation of Hot Mix Asphalt
Notice bibliographique
Résumé
Conventional asphalt pavement is the dominant mode of passenger and freight traffic in Pakistan. As a result, asphalt pavements suffer from various failures, where rutting, corrugation, and fatigue cracking are significant. Fine aggregates and mineral fillers play a pivotal role in providing structural integrity in asphalt pavements when subjected to traffic and the environment. The current study aims to examine the effects of various locally accessible fine aggregate and mineral filler materials on the interlocking properties of asphalt mixtures in relation to internal friction angle, rutting resistance, and controlling environmental pollution as an indirect benefit, thereby reducing wastes. Four distinct asphalt samples were prepared using cinders, stone dust, natural sand, and surkhi as fine aggregates and mineral fillers, as a full replacement, as per ASTM D1559, confirming the Asphalt Institute’s gradation for asphalt wearing course. Optimum binder contents (OBC) of 4.40%, 4.1%, 6.57%, and 6.63% by weight of Marshall specimen were concluded for asphalt samples containing stone dust, natural sand, cinder, and surkhi, respectively. The results revealed that surkhi, natural sand, stone dust, and cinder all showed a diminishing tendency in developing interlocking properties in asphalt mixtures at internal friction angles of 35°, 33.7°, 32°, and 28.4°, respectively. The wheel tracking test results revealed that the asphalt samples made with surkhi as fine aggregates and fillers have the highest rut resistance, whereas samples made with cinders as fine aggregates and fillers have the lowest rut resistance. The direct shear test showed that fine aggregates with a larger angle of internal friction are significantly more stable in terms of rut resistance than fine aggregates with a smaller angle of internal friction. The current research will help to prevent pavement rutting and corrugation by adding surkhi into asphalt pavements, with the reduction in brick kiln waste providing an indirect benefit.
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 | 0,000 |
| 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) | 0,001 | 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 ».