MétaCan
Menu
Retour à la cohorte
Enregistrement W4396857754 · doi:10.1007/s40999-024-00973-2

Modelling the Response of Timber Beams Under Fire

2024· article· en· W4396857754 sur OpenAlexaff
M. Khelifa, Van Diem Thi, Marc Oudjène, Amar Khennane, Mohammed El Ganaoui, Yann Rogaume

Notice bibliographique

RevueInternational Journal of Civil Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFire effects on concrete materials
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversity of New South Wales
Mots-clésForensic engineeringEngineeringStructural engineeringArchitectural engineeringMaterials scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract A fundamental requirement for analysing timber structures under fire is to consider the degradation of material properties with temperature. Therefore, the objective of this study is to propose a model that accounts for the variation of the thermo-physical properties, the development of char, and its evolution with temperature. This model integrates a sequential coupling of heat transfer analysis with structural response. The degradation of the material properties is accounted for through the regulatory approach recommended in Eurocode 5. The stress analysis employs an elasto-plastic model with nonlinear isotropic hardening. Implementation of the model is achieved within the Abaqus suite of finite element software using external subroutines. The model's predictions align well with experimental data, accurately reproducing both thermal and structural responses. Specifically, the model accurately predicts temperature profiles, displacements, and the depth of the charred layer, which initiates above 300 °C. Additionally, for rectangular sections, it was observed that exposure of all faces to fire results in a non-rectangular residual section. Furthermore, employing the temperature-dependent thermal property curves suggested by EC5 yields satisfactory results when predicting the fire resistance of softwood timber structures.

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)0,001
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 enseignants0,306
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Civil EngineeringMême sujetFire effects on concrete materialsTravaux en français237 207