MétaCan
Menu
Retour à la cohorte
Enregistrement W4403252837 · doi:10.1061/jbenf2.beeng-6707

Lateral Cyclic Response of Large-Scale Bridge Piers with Single and Double Layers of Longitudinal and Transverse Steel Reinforcements: An Experimental Study

2024· article· en· W4403252837 sur OpenAlexaff
Sherif M. S. Osman, M. Shahria Alam, Shamim A. Sheikh

Notice bibliographique

RevueJournal of Bridge Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Behavior of Reinforced Concrete
Établissements canadiensUniversity of TorontoHudbay Minerals (Canada)Okanagan University CollegeUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésTransverse planeBridge (graph theory)Structural engineeringMaterials scienceReinforcementPierScale (ratio)EngineeringForensic engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

A circular reinforced concrete (RC) bridge column with two layers of longitudinal and spiral reinforcements is becoming a common structural form in high-seismic regions because they are expected to have improved seismic performance compared to conventional bridge piers. In seismic hazard zones, a large amount of transverse reinforcement is commonly required to satisfy the so-called antibuckling requirements. Accordingly, the double-confined steel (DCS) RC bridge pier is a simple and effective way to achieve high ductility levels and postyield stiffness for bridge piers in seismic regions. In DCS, the longitudinal steel rebars are well distributed inside the cross section; at the same time, the two layers of transverse reinforcement outline different levels of confinement for concrete, including unconfined (cover), singly confined (positioned between two spiral layers), and doubly confined (found inside the inner spiral layer or the core). The adopted reinforcement details, layout, and scale were unprecedented for lateral testing of large-scale DCS. Therefore, this experimental program investigated the effectiveness of DCS as an alternative to typical RC bridge piers. The behavior of large-scale DCS was compared with the performance of conventional RC bridge pier. During the quasi-static cyclic lateral displacement-controlled loading, the onset of cracking, concrete cover spalling, damage progression, plastic hinge length development, lateral load–displacement relationship, and strain in the steel reinforcements were observed. Overall, the curvature, stiffness degradation, and energy dissipation capacity all revealed that the DCS could significantly enhance the seismic performance of a bridge pier. A fiber-based finite-element model was generated to predict the experimental response of the piers under cyclic loading. Charts depicting the relationship between the ratio of elastic stiffness and axial load were developed to serve as a valuable design resource for bridge piers. The charts were created by conducting moment–curvature (M−Φ) analyses on DCS sections. These analyses involved varying the longitudinal reinforcement ratios, reinforcement layouts, and other parameters while also considering different axial load ratios. Subsequently, the performance-based design (PBD) approach was employed to assess the extent of damage relative to engineering demand parameters. Furthermore, a comprehensive example was provided to showcase the design of DCS within the framework of PBD. The findings revealed that DCS successfully met the performance objectives outlined in the PBD guidelines, making it an attractive design option for conventional RC bridge piers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,258
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bridge EngineeringMême sujetStructural Behavior of Reinforced ConcreteTravaux en français237 207