MétaCan
Menu
Retour à la cohorte
Enregistrement W4387663114 · doi:10.1080/15732479.2023.2266745

Numerical study of precast segment columns with shear keys under vehicle collision

2023· article· en· W4387663114 sur OpenAlexaff
Min Wu, Youyi Zeng, Liu Jin

Notice bibliographique

RevueStructure and Infrastructure Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesnon disponible
Mots-clésPrecast concreteStructural engineeringShear (geology)EngineeringCollisionGeotechnical engineeringComputer scienceMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

It is commonly understood that precast technology has been rapid development and application due to its short construction period and environmental friendly, etc. Among all precast structure, precast segment column has been widely concerned in the substructure of bridges. The precast segment columns will not only suffer from the earthquake loads but also be subjected to the collision of vehicle and barges. The concrete segments of precast segment column subjected to vehicle collision are prone to slip and even punching failure. In order to enhance the shear resistance between concrete segments, the precast segment column with shear key is designed, and the dynamic performance and shear mechanism under vehicle collision are analysed in this work. The results indicate that the shear key improves the shear capacity between segments and effectively reduces the relative displacement between segments, and makes the deformation mode of precast segment column change from shear type to bending type under vehicle collision. The maximum impact force of precast segment column with shear key is larger than that without shear key. Besides, the shear mechanism of precast segment column is revealed, and the calculation formula of local shear resistance is proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStructure and Infrastructure EngineeringMême sujetStructural Response to Dynamic LoadsTravaux en français237 207