Assessment of the efficiency of distinct surface treatments to mitigate ASR-induced development
Notice bibliographique
Résumé
Over the years, various coating materials have been used to mitigate/rehabilitate concrete once alkali-silica reaction (ASR) takes place. Although promising results are demonstrated, their efficiency is compromised by the progression of ASR and crack formation. Recently, new coatings with higher penetrability and enhanced self-healing properties have shown good performance against distinct durability problems in concrete, yet their behaviour under ASR development is unknown. This research appraises the ability of hydrophilic self-healing coating (CA) mixtures to mitigate concrete deterioration caused by ASR in its initial, moderate and advanced phases. Their efficiency is multi-level assessed, and comparisons with other systems (e.g., silane/siloxane, rigid-coating and lithium-based) are also performed. Results indicate that the surface treatments with CA changed ASR kinetics while not altering the ASR mechanism of deterioration. Finally, qualitative charts are provided to help select different types of surface treatments and the most appropriate “timing” for their application. • Coating and sealers treatments modified ASR kinetics. • Although changing ASR kinetics, the surface treatments did not change the deterioration mechanism. • Coating with crystalline waterproofing and water repellent showed higher efficiency in lowering ASR. • Coatings containing enhanced self-healing properties sealed cracks with a maximum 7 mm depth. • The qualitative charts can help decide the most appropriate time to apply different treatments.
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 | 0,000 | 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 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 ».