Investigation of Low-Cycle-Fatigue Behavior of NiTi SMA Rebar and Development of Low-Cycle-Fatigue Model
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
Shape memory alloys (SMAs) are smart metallic alloys that have become an attractive material for structural engineering applications owing to two distinct features: the superelasticity effect (SE), and the shape memory effect (SME). In RC structures, NiTi SMA reinforcing rebars have emerged as a suitable alternative for conventional steel rebars due to their ability to dissipate seismic energy and reduce earthquake-induced damage. Seismic application of NiTi SMAs in RC structures warrants investigating the low-cycle-fatigue (LCF) behavior of NiTi SMA bars. Furthermore, longitudinal rebar buckling in a RC column subjected to seismic loading is a common failure mode, and can accelerate the LCF failure of reinforcing rebar. However, there is a lack of research examining the LCF response of NiTi SMA rebar subjected to cyclic tension-compression loading, considering the buckling effects. To address this gap, this paper focuses on the LCF behavior of NiTi SMA rebars under cyclic tension–compression loading, and proposes LCF life prediction models considering the effects of buckling. Using numerical parametric analysis, various strengths, diameters (10, 12, and 15 mm), and slenderness ratios (5, 7, and 10) of NiTi SMA rebars were examined under different constant strain amplitudes (2%, 4%, 6%, 8% and 10%). The study incorporated the effects of buckling, and proposed total strain amplitude–based and dissipated energy–based LCF models to estimate the LCF life of NiTi SMA rebar. The comparison of the predicted LCF life and the results from numerical investigation validated the accuracy of the proposed models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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