Effect of nano-graphene on the geomechanical and microstructural properties of cemented fine sand
Notice bibliographique
Résumé
This study examines the influence of nano-graphene on the mechanical and microstructural characteristics of cement-stabilized sand. The samples are stabilized with 3 %, 6 %, and 9 % cement, and nano-graphene is added in varying amounts, ranging from 0 % to 1.2 % to investigate its impact. A comprehensive experimental program is conducted, including compaction tests, unconfined compressive strength (UCS) tests, one-dimensional settlement, direct shear tests, and microstructural evaluations using SEM, XRF, and XRD to examine the strength and stiffness of cemented sand in different confinement conditions. The findings indicate that nano-graphene significantly enhances soil behavior. The UCS results revealed that incorporating 1 % nano-graphene led to a 17 %, 21 %, and 20 % increase in strength for samples containing 3 %, 6 %, and 9 % cement, respectively. The secant modulus (E 50 ) showed a 38 % rise at optimal nano-graphene content, highlighting its stiffening effect. Improvements in strength parameters were most notable in the 6 % cement and 0.8 % nano-graphene mixture, which was identified as the optimum combination. At this dosage, the one-dimensional settlement decreased by approximately 11 %, while cohesion and internal friction angle increased by about 72 % and 17 %, respectively, compared to the control cemented sample. However, at higher nano-graphene concentrations, particle agglomeration limited further improvements. The microstructural analysis provided additional insights, with SEM images showing enhanced interparticle bonding and matrix densification. The XRF results confirmed increased CaO content and intensified hydration reactions, while the XRD analysis identified the formation of supplementary cementitious phases, reinforcing mechanical improvements.
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) | 0,000 | 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 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 ».