Self-sensing nano-engineered ultra-high performance concrete (UHPC) under tension
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the addition of electrically conductive steel or carbon fibers, Ultra-High-Performance Concrete (UHPC) possesses an intrinsic self-sensing capability. This opens up the possibility of combining the resilience and sustainability of UHPC with the development of self-sensing solutions for structural applications. In this study, the self-sensing behaviour of a proprietary nano-engineered UHPC material subjected to tension was investigated. To assess the self-sensing performance of the material, bulk resistivity measurements were used on direct tension and pure flexure tests, while a novel wireless approach that operates on was used on out-of-plane bending tests. The wireless approach used alternate current (AC) measurements while the bulk resistivity methods were performed through direct current (DC) and the four-probe method. In both methods, the fractional change in resistance was correlated to the state of deformation. The disposition of the actual strain field was evaluated using Digital Image Correlation (DIC). It was found that in the case of direct tension and pure flexure, the fractional change of resistance was initially decreased up to the onset of strain localization, while it gradually increased in the post-peak range, where the separation of the localized crack gradually increased. In the case of the wireless approach using AC, the onset of cracking was successfully predicted with an abrupt increase in resistivity. The wireless strain-sensing approach also captured the Poisson’s effect due to the loading.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle