Influence of Mixture Compositions on Impact Resistance and Mechanical Properties of Concrete Cured in Cold Temperature Conditions
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
This study aimed to present the effect of mixture proportions (including coarse-to-fine aggregate ratio and water-to-binder ratio) and mixture compositions (including the addition of different supplementary cementing materials and fibers) on the impact resistance and mechanical properties of concrete cured in cold temperatures. The impact resistance was evaluated using drop-weight and flexural impact tests conducted on concrete samples cured in different curing conditions. The studied parameters included coarse-to-fine aggregate (C/F) ratio (0.7 and 1.2), water-to-binder (w/b) ratio (0.4 and 0.55), type of supplementary cementing materials (SCMs) [20% metakaolin (MK) and 10% silica fume (SLF)], and the addition of steel fibers (0.35%) (SFs). The studied mixtures were cured under different curing conditions, including moisture condition at 23°C, air condition at 23°C, +5°C curing condition, and −10°C curing condition. The positive effect of using SFs and SCMs (MK and SLF) on enhancing the impact resistance and splitting tensile strength (STS) was more pronounced in samples cured at normal curing temperatures compared to samples cured at low temperatures. The mechanical properties and impact resistance of mixtures developed with higher C/F and w/b ratios were more affected by the low-temperature curing condition compared to the control mixture (with lower C/F and w/b ratios). The results also showed that low-temperature curing had a more pronounced negative effect on the impact resistance and STS than the compressive strength.
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 | 0,000 |
| 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 découle