Eco-Efficient Fiber-Reinforced Concrete: From Mix Design to Fresh and Hardened State Behavior
Notice bibliographique
Résumé
Fiber-reinforced concrete (FRC) mixtures often face challenges in the fresh state, which are typically addressed using high Portland cement (PC) content or chemical admixtures, obstructing sustainability efforts in the construction industry. Therefore, this study employs advanced mixed design techniques, specifically particle packing models (PPMs), to proportion eco-efficient FRC mixtures with reduced cement content (<300 kg/m3) while achieving desirable fresh and hardened state properties. Twelve low-cement (LC) FRC mixtures, containing limestone filler (LF) as an inert material and a partial replacement for PC, were designed with a water-to-cement ratio of 0.64, incorporating two fiber types (polypropylene and steel) at varying contents (0.5% and 1.0% by volume) and lengths (38 mm and 50 mm). PPM-designed mixtures used two coefficients of distribution (q-factors: 0.21 and 0.26) and were evaluated for fresh (VeBe time, slump, and rheology) and hardened (compressive strength and flexural performance) state properties. Results show that PPM-designed FRC mixtures achieved up to 70% higher compressive strength and up to 64% greater flexural capacity compared to conventional mixes (i.e., American Concrete Institute—ACI), despite using 20% less cement. Additionally, PPM mixtures exhibited higher VeBe times (up to 24 s) and yield stress, reflecting improved packing density, while demonstrating shear-thinning behavior for practical applications (i.e., pumped or vibrated concrete). Finally, the findings demonstrate that PPMs enable the development of eco-efficient, low-cement FRC mixtures with similar or improved hardened state performance and reduced environmental impact.
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) | 0,001 | 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) | 0,003 | 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 ».