FEA for improved implementation of IRT for monitoring of concrete bridges
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
Infrared thermography (IRT) is a non-destructive technique (NDT) with the potential for contactless and wide-area monitoring of concrete structures like bridges in transportation networks. Dealing with practical challenges of IRT such as the determination of a favourable timeframe for data collection, detection of defects of various types and geometry, differentiation of the true concrete defects from environmental and operational effects, and so on only by laboratory experiments is time-consuming, arduous, and costly. Therefore, finite element analysis (FEA) is an indispensable tool for complementing laboratory experiments and addressing the practical challenges facing the implementation of IRT for structural health monitoring (SHM) of concrete structures. This paper presents the FEA of concrete slabs with subsurface defects in the LUSAS software. The FE models are validated based on surface temperatures of concrete slabs with subsurface defects measured in the laboratory by an infrared camera and used to estimate the variation of thermal contrast on the surface with depth of defect. In addition, they are used to estimate the amount of energy required for the creation of minimum safe detectable thermal contrast recommended by ASTM D4788-03 standard (0.5°C) and other criteria. Such FEA estimations will provide a basis for decision-making, feasibility assessment, and improving the practical implementation of IRT, especially for early-stage detection of defects at rebar depth.
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 | 0,000 | 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 découle