Enhancing the self-healing properties of engineered cementitious composites by the application of super-sulfated cement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
No research has been reported on the self-healing performance of engineered cementitious composites (ECCs) prepared with super-sulfated cement (SSC), despite its potential to reduce carbon dioxide emissions compared with ordinary Portland cement (OPC). This significant gap in the research literature was addressed by exploring the influence of SSC on the recoverability of pre-cracked ECC samples. In addition to mechanical characterisation of sound samples, an exhaustive investigation was undertaken to comprehensively assess the self-healing ability of pre-loaded SSC-based ECCs by means of flexural strength tests, deflection measurements, ultrasonic pulse velocity (UPV) tests and rapid chloride permeability tests. Scanning electron microscopy (SEM) coupled with energy-dispersive X-ray spectroscopy (EDS) was used to evaluate the microstructural changes and development of self-healing products within the microcracks of SSC mixtures prepared with various amounts of fly ash. The SSC-based ECCs, while maintaining comparable mechanical and ductility properties, exhibited significant improvements in recovery rates (more than 27%, 7% and 76% for flexural strength, UPV and chloride permeability, respectively, compared with the OPC-based control ECC). The SEM–EDS results confirmed the enhanced precipitation of ettringite as a new self-healing product related to the inclusion of SSC in ECCs, along with conventional calcium silicate hydrate/calcium aluminium silicate hydrate (C-S-H/C-A-S-H) gels.
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.
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 | 0,002 | 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 | 0,000 |
| 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 découle