Robustness-based assessment and monitoring of steel truss railway bridges to prevent progressive collapse
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
Risks of bridge collapse were and continue to be real as evidenced by classical (e.g. Québec Bridge, Canada 1919; Seongsu Bridge, South Korea 1994) and recent (e.g. Skagit River Bridge, USA 2013; Francis Scott Key Bridge, USA 2024) episodes of catastrophic collapses. The causes of each collapse are diverse (e.g. natural disasters, changing conditions, design errors, intentional attacks). Still, the conclusions are always the same: deaths, injuries and large amounts of direct and indirect economic losses. In order to avoid these catastrophes, structural robustness and monitoring strategies can be used to analyse the bridge's vulnerability and anticipate any local-initial failure that can spread to the whole structure in the form of a progressive collapse. The objective of this work was to use an integrative threat-dependent and threat-independent approach to analyse the structural robustness of a never-before-studied U-shaped open cross-section steel truss railway bridge structure. Eight failure scenarios were considered and analysed through computational modelling. The extracted results make it possible: (i) to connect structural robustness analysis outputs with the definition of a new structural health monitoring strategy of the bridge; and (ii) to implement the conclusions in the real bridge with more than 100 sensors and a non-assisted alarm system for preventing progressive collapse. • Structural robustness analysis defines a new strategy for the structural health monitoring of steel truss bridges. • An integrative threat-dependent and threat-independent approach to analyse the structural robustness is used. • U-shaped open cross-section steel truss railway bridge structure is studied for the first time. • U-shaped cross-section bridge has more potential to experience problems than bridges with closed-box cross-section. • Implementation in a bridge with more than 100 sensors and a non-assisted alarm system for preventing progressive collapse.
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 | 0,001 | 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 | 0,001 |
| 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