MétaCan
Menu
Retour à la cohorte
Enregistrement W4412754673 · doi:10.11159/iccste25.198

Numerical Investigation of Optimized Chamfered Concrete-Filled Steel Tubular Columns under Axial and Lateral Loads

2025· article· en· W4412754673 sur OpenAlexvenueno aff
Janhavi Singh, K. K. Pathak, Ganga Prakhya, Ishan Jha

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Load-Bearing Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceStructural engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

The study presents a new iterative corner-chamfering strategy to optimize tapered Concrete-Filled Steel Tubular (CFST) columns under axial and lateral loads.Finite element simulations examine square, octagonal, and chamfer-optimized sections at taper angles of 0°, 2°, and 4°.Through systematic iteration, a 14.65% chamfer level is identified that exceeds the unchamfered square column's axial strength by approximately 1.6%, while consuming less material.Compared to the octagonal column, this chamfer-optimized geometry provides a 20% improvement in axial capacity and up to 16% higher lateral capacity.As the taper angle increases, both axial and lateral strengths consistently rise, with the chamfer-optimized column demonstrating a 31% enhancement in axial capacity from 0° to 4°, alongside a near 100% escalation in lateral load capacity.Nonetheless, these gains accompany a modest reduction in ductility, attributed to the stiffening effect of taper.Overall, this research underscores that precisely controlled corner-chamfering, in tandem with tapered geometry, effectively augments CFST columns' load-bearing capacity, achieving a balance between strength and ductility.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetStructural Load-Bearing AnalysisTravaux en français237 207