Performance of concrete superficially treated with nano-modified coatings under sulfuric acid exposures
Notice bibliographique
Résumé
Protection of concrete surface layer is crucial for preserving serviceability and durability of concrete structures during their service life. Chemical attack by sulfuric acid is an aggressive exposure, commonly causing significant damage to concrete elements such as buildings' foundations and basement walls, buildings and structures affected by acid rain, industrial facilities, and wastewater treatment facilities. Hence, this study endeavored to evaluate the performance of nano-modified composites as surface treatments for concrete under severe chemical exposures. Nano-calcium carbonate and nano-clay particles were dispersed at different dosages (0, 2.5, and 5% by mass) in the neat coatings: vinyl ester (membrane-forming polymer) and silane (hydrophobic agent). Moreover, an amorphous colloidal silica (SiO2>50%) was also used as a superficial treatment for concrete. These coatings were applied to concrete specimens with water-to-binder ratios (w/b) of 0.40 (representing good quality/low penetrability concrete treated for prohibition of deterioration) and 0.60 (representing deteriorated/high penetrability concrete in need for rehabilitation). the wettability and initial transport characteristics of the coated concrete specimens were determined. In addition, the durability of superficially treated concrete specimens was examined under two aggressive exposures: full submergence in a 5% (by volume) sulfuric acid solution, and 5% sulfuric acid solution combined with wetting-drying cycles. During both exposures, the deterioration of concrete specimens was observed by visual inspection and quantified in terms of mass change. Furthermore, the damage mechanisms and coatings’ performance were studied by microstructural, mineralogical, and thermal analyses. The overall results showed that vinyl ester and vinyl ester nanocomposites significantly improved the durability of concrete specimens by an average of around 64% relative to that of the silane and silane nanocomposites; hence, they are recommended for field 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».