Acoustic Emission Waves Propagation in Rubberized Concrete under Special Monitoring Conditions
Notice bibliographique
Résumé
This study investigates the change in the acoustic emission (AE) parameters emitted in rubberized concrete under abrasion action at a sub-freezing temperature (−20°C). Seven concrete mixtures were developed with two coarse-to-fine aggregate ratios (C/F) (2.0 and 0.7), various crumb rubber (CR) content (0%, 10%, 20%, and 30%), and different rubber particle sizes [4.5 mm CR and 0.4 mm powder rubber (PR)]. Rotating cutter tests were conducted on three 100 mm cubic samples from each mixture at −20°C and 25°C while monitored via an AE system. AE parameters such as amplitude, number of hits, and signal strength were collected and underwent two parameter-based analyses: b-value and intensity analysis approaches, resulting in three additional parameters: b-value, severity (Sr), and the historic index [H(t)]. Results showed that testing concrete samples under abrasion at cold temperature,−20°C, resulted in a decrease in the emitted number of hits, cumulative signal strength (CSS), Sr, H(t), and an increase in b-values compared to testing at 25°C. Furthermore, incorporating rubber particles was found to decrease the AE signals’ amplitudes significantly at 25°C and slightly at −20°C, which manifested the higher wave attenuation occurrence at ambient temperature compared to cold temperature. AE analysis also showed a decrease in the abrasion resistance for mixtures with higher C/F, higher CR content, and larger rubber particle size. These decreases were more noticeable at 25°C compared to −20°C. Finally, the study developed two damage classification charts to estimate the ranges of abrasion mass loss percentage and wear depth in terms of the intensity analysis parameters: Sr and H(t).
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 ».