Performance of nano-modified silica, alumina, and titania concrete coatings under combined cyclic environments, carbonation, and calcium chloride
Notice bibliographique
Résumé
In cold regions, transportation infrastructure (e.g., concrete pavements and bridges) undergo complex degradation due to the combined effects of freeze-thaw cycles (FT), wet-dry cycles (WD), and carbonation with chloride-based de-icers; however, the effectiveness of plain and nano-modified coatings as a mitigation or rehabilitation strategy under such combined conditions remains largely unexplored. This study examines methyl methacrylate (MMA) and silane coatings, modified with 0–5 % nano-alumina or nano-titania, and evaluates colloidal silica as an alternative coating for a rehabilitation strategy. Coatings were applied to concrete with 0.4 and 0.6 w/b ratios and exposed for 12 months to combined FT, WD, carbonation (10 %), and calcium chloride (13.6 % and 21.9 %) conditions to stimulate chemical and physical damage. In addition to initial fluid transport, performance was assessed through mass change, expansion, relative dynamic modulus ( REd ), mineralogy, microstructure, and corrosion tests. Uncoated, colloidal silica, and MMA-coated specimens failed within 4–5 months, while silane and its nanocomposites showed minimal expansion (0.01–0.03 %) and superior durability. MMA nanocomposites offered moderate improvement through barrier, pozzolanic, and nucleation effects but were limited by low chloride-binding capacity; silane nanocomposites outperformed them due to synergistic hydrophobic, pore-lining, and microstructural densification effects.
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 ».