A Numerical Investigation into the Effectiveness of Composite Jacket Strengthening (CJS) on Fire-Damaged Concrete Beams
Notice bibliographique
Résumé
After a fire exposure, reinforced concrete (RC) structures typically retain their integrity, yet they incur significant damage due to material degradation and thermal expansion.The restoration of fire-damaged RC structures is a complex structural engineering challenge.This study presents a numerical investigation on the post-fire behavior of RC beams, subjected to parametric fire for different durations (15, 30, 60, and 90 minutes) and their retrofit method.Initially, the impact of high-temperature conditions on the residual load-bearing capacity is assessed, with a focus on beam length and support conditions as key geometric variables.Repair methods aimed at improving the post-fire performance of damaged beams are then evaluated.These methods include the use of additional reinforcement and the implementation of steel jacketing, complemented by concrete of varying compressive strengths (25,30, 35, and 40 MPa).Eurocode models for both concrete and steel materials are used in the simulations using SAFIR software.Results indicate a decrease in load-carrying capacity with prolonged fire exposure, with capacity reductions reaching 85% for beams subjected to 90-minute fire scenarios.Application of steel jacketing markedly enhances both bending and shear resistance of the compromised beams, with the ability to restore the load-bearing capacity of one-hour fire-exposed beams by up to 112%.The correlation between repair effectiveness and the inherent resistance of the RC beams is also elucidated.Furthermore, an analytical expression is proposed for estimating the post-fire load-bearing capacity of reinforced beams, offering a practical and accurate tool for engineering assessments.
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 | 0,003 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».