MétaCan
Menu
Retour à la cohorte
Enregistrement W4390175576 · doi:10.3390/ma17010082

Mechanical, Electrical, and Tensile Self-Sensing Properties of Ultra-High-Performance Concrete Enhanced with Sugarcane Bagasse Ash

2023· article· en· W4390175576 sur OpenAlexaff
Jinkang Lian, Yulin Wang, Tengfei Fu, Said M. Easa, Yan Zhou, Huawei Li

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceUltimate tensile strengthComposite materialFlexural strengthCementCementitiousCompressive strengthBagassePulp and paper industry

Résumé

récupéré en direct d'OpenAlex

Although sugarcane bagasse ash (SCBA) possesses favorable cementitious properties, previous research has primarily focused on improving the mechanical performance of conventional concrete- or cement-based composites. Limited attention has been given to ultra-high-performance concrete (UHPC) with SCBA, especially regarding its tensile -sensing properties. This study aimed to comprehensively evaluate the effect of SCBA on the mechanical, electrical, and tensile self-sensing properties of UHPC. The results demonstrated that incorporating SCBA below the critical concentration of 3.0 wt% enhanced the mechanical properties of UHPC. Notably, adding 3.0 wt% SCBA remarkably improved the compressive, flexural, and tensile strengths of UHPC, resulting in increases of 13.1%, 17.4%, and 20.6%, respectively. However, excessive incorporation of SCBA adversely affected the mechanical properties due to reduced workability of UHPC, increased generation of harmful voids, and a lower degree of hydration caused by the excess SCBA. Furthermore, the inclusion of SCBA influenced the electrical resistivity of UHPC, and specifically, an SCBA content of 0.3 wt% yielded the maximum electrical resistivity. Moreover, incorporating SCBA in UHPC enhanced its tensile stress-sensing performance compared to SCBA-free UHPC. Among the various SCBA contents tested, UHPC with 0.3 wt% SCBA presented the best linearity, with values of 8.8% for loading and 17.0% for unloading, respectively, which were significantly lower than those for SCBA-free UHPC, which were 14.0% and 60.0%, respectively. Additionally, UHPC with 0.9 wt% SCBA gained the lowest hysteresis and repeatability, with values of 13.3% and 5.3%, respectively, which were much lower than those for SCBA-free UHPC, which were 50% and 51.6%, respectively. The tensile stress-sensing performance of UHPC is influenced by three key aspects: the gap between adjacent conductive fillers, contact resistance, and the connectivity of the electrical network, which are subject to change due to varying stress states and SCBA concentrations. This study should aid SCBA use and promote UHPC's practical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,183
Écart entre enseignants0,175 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetSmart Materials for ConstructionTravaux en français237 207