Evaluating the Effectiveness of Asphalt Layer in Improving Railway Track Stiffness through 3D Numerical Simulations
Notice bibliographique
Résumé
In the last three decades, railways have gradually increased the weight and speed of trains to improve their capacity, profitability, and efficiency. This approach has provided overall benefits; however, it has also led to increased track and structure maintenance costs. The subgrades of railway tracks now experience higher stress, resulting in significant deformation and, in extreme cases, embankment shear failure. Therefore, ground improvement methods should be introduced to reduce stress and deformation in tracks and ensure that the subgrade can safely withstand the increased axle load. One effective ground improvement method is the use of an asphalt layer, which has been successfully applied in many countries. The thickness of the asphalt layer varies from 10 to 20 cm, depending on the regulations of each country. In this study, the finite element program ABAQUS is utilized to model a three-dimensional railway track and investigate the effectiveness of using an asphalt layer to improve the track modulus. The model is calibrated based on experimental observations and used to determine the effects of different combinations of asphalt and granular layers on the stress and displacement of the subgrade under static load. Considering the importance of track modulus in long-term track behavior, the Winkler theory is employed to estimate the track modulus. The results suggest that increasing the thickness of the asphalt layer from 10 to 18 cm significantly reduces the stress and displacement of the subgrade, resulting in uniform displacement.
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 | 0,001 | 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 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 ».