The importance of using silica fume and pumice powder in cement-based fiber composites, with a focus on microstructural and mechanical assessments
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
This study aims to evaluate the combined effect of pumice powder and silica fume, used as a binary supplementary cementitious material (SCM) blend, on the microstructural, mechanical, and pull-out properties of steel fiber-reinforced cementitious composites. Concrete cylinders and prisms were prepared with varying steel fiber contents (0.5–1.5 %) and binary SCMs (10 % silica fume combined with 10 % or 20 % pumice powder). Experimental tests were conducted to determine compressive strength, tensile strength, flexural strength, modulus of elasticity, Poisson’s ratio, and bond behavior through steel rebar pull-out tests. Microstructural analyses included FTIR, XRD, TG/DTG, and field emission scanning electron microscopy (FESEM). The results demonstrated that the optimal mixture, containing 20 % pumice powder and 10 % silica fume, significantly enhanced the compressive strength by up to 120 %, the modulus of elasticity by 17 %, the flexural strength by up to 68 %, and the pull-out resistance by up to 73 % compared to the control sample. Additionally, this blend improved the pore-filling effect, promoted the consumption of portlandite, and facilitated the formation of C-S-H/C-A-S-H phases, thereby confirming the positive effect of pumice powder and silica fume on the performance of steel fiber-reinforced cementitious composites.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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