MétaCan
Menu
Retour à la cohorte
Enregistrement W4392378993 · doi:10.3390/app14052136

Effects of Rib Spacing and Grout Annulus on Grouted Rock Bolt Performance Utilizing Fiber Optic Strain Sensing

2024· article· en· W4392378993 sur OpenAlexafffund
Kieran Moore, Nicholas Vlachopoulos

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensQueen's UniversityRoyal Military College of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère de la Défense Nationale
Mots-clésGroutGeotechnical engineeringGeologyMaterials scienceStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

An often-utilized solution in terms of providing support to underground excavation, the fully grouted rebar rock bolt system presents optimization potential due to existing technological limitations in capturing and understanding its composite system response. In order to address these limitations, the development and application of Distributed Optic Fiber Sensing (DOS) allows for continuous strain monitoring (at a spatial resolution of 0.65 mm utilizing the technique defined herein) across a full spectrum of loading. A robust laboratory investigation was conducted featuring 24 rock bolt specimens. This examined the effects of two selected independent variables: rib spacing (from 13 mm to 68 mm) and grout annulus (from 7.7 mm to 22.8 mm). This body of research provides valuable insight into the performance of grouted rebar rock bolts and the effects of the selected parameters (rib spacing and size of the grout annulus), while also highlighting an advanced monitoring technique. Results indicated that rib spacing was a negative predictor of bond performance. No definite conclusions were drawn in terms of the effect of the size of grout annulus; however, findings provide limited support for an optimal sizing in relation to rib height. The results were also compared to analytic and numerical models. These insights can aid in calibrating and validating numerical models, and improve monitoring and rock bolt design within the overall goal of improving and optimizing ground support design arrangements.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,530

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 Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207