Corrosion Performance of Atmospheric Corrosion Resistant Steel Bridges in the Current Climate: A Performance Review
Notice bibliographique
Résumé
Weathering steel (WS) is widely used in bridge construction due to its high corrosion resistance, durability, and low maintenance requirements. This paper reviews the performance of WS bridges in Canadian climates, focusing on the formation of protective patina, influencing factors, and long-term maintenance strategies. The protective patina, composed of stable iron oxyhydroxides, develops over time under favorable wet-dry cycles but can be disrupted by environmental aggressors such as chlorides, sulfur dioxide, and prolonged moisture exposure. Key alloying elements like Cu, Cr, Ni, and Nb enhance corrosion resistance, while design considerations-such as drainage optimization and avoidance of crevices-are critical for performance. The study highlights the vulnerability of WS bridges to microenvironments, including de-icing salt exposure, coastal humidity, and debris accumulation. Regular inspections and maintenance, such as debris removal, drainage system upkeep, and targeted cleaning, are essential to mitigate corrosion risks. Climate change exacerbates challenges, with rising temperatures, altered precipitation patterns, and ocean acidification accelerating corrosion in coastal regions. Future research directions include optimizing WS compositions with advanced alloys (e.g., rare earth elements) and integrating climate-resilient design practices. This review highlights the need for a holistic approach combining material science, proactive maintenance, and adaptive design to ensure the longevity of WS bridges in evolving environmental conditions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».