MétaCan
Menu
Retour à la cohorte
Enregistrement W4406213363 · doi:10.3390/app15020594

Acoustic Emission Analysis of the Cracking Behavior in ECC-LWSCC Composites

2025· article· en· W4406213363 sur OpenAlexaff
Yara A. Zaki, Ahmed A. Abouhussien, Assem A. A. Hassan

Notice bibliographique

RevueApplied Sciences · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced ceramic materials synthesis
Établissements canadiensKinectrics (Canada)Memorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComposite materialMaterials scienceAcoustic emissionCracking

Résumé

récupéré en direct d'OpenAlex

Acoustic emission (AE) analysis was utilized to assess the cracking behavior of six lightweight self-consolidating concrete (LWSCC)–engineering cementitious composite (ECC) beams under flexural loading. Two control beams were fully cast with ECC containing either polyvinyl alcohol (PVA) fibers or steel fibers (SF). The remaining four beams were ECC-LWSCC composite beams, with the ECC layer containing PVA fibers or SF placed on either the tension or compression side. The results showed that the control beams had the highest ultimate load capacity, followed by beams repaired in tension, and then beams repaired in compression. PVA fibers exhibited higher performance compared to steel fibers at the first crack load, while steel fibers enhanced the beam’s performance at the ultimate load stage. During the flexural testing, AE parameters such as the number of hits, signal amplitude, and cumulative signal strength (CSS) were collected until failure. The analysis of these AE parameters was effective in detecting the first crack and evaluating cracking propagation in all beams. Changing the type of fibers (PVA and SF) in the ECC layer showed a significant effect on AE parameters. Moreover, adding a new ECC layer to an existing LWSCC layer resulted in variations in the signal amplitude. Finally, the flexural failure mode was confirmed with the aid of the rise time/maximum amplitude vs. average frequency analysis.

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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,286
Écart entre enseignants0,273 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdvanced ceramic materials synthesisTravaux en français237 207