Combined effect of reinforcement corrosion and seismic loads on RC bridge columns: modelling
Notice bibliographique
Résumé
Columns are often the most vulnerable elements in reinforced concrete (RC) bridges as their failure could lead to bridge collapse. Characteristically, columns are subjected to combined static and dynamic eccentric and lateral forces due to traffic, self-weight, and earthquake loads. For the assessment of bridge columns in seismic areas, it is essential to evaluate their state of damage, strength and deformation capacity over their service life. In this paper, a nonlinear elasto-plastic numerical model to simulate bridge columns under the combined effects of reinforcement corrosion and seismic excitation is presented. The study includes the development of a comprehensive and yet simple tool to evaluate the seismic performance, and the residual strength and deformation capacity of aging RC bridge columns suffering from reinforcement corrosion. The model enables evaluating aging and deteriorated RC bridge columns safety, the decline in their energy dissipation capability, and the level of earthquake excitation that they may survive. Hence, the model can represent a useful tool for bridge engineers to optimize the use of available resources and define the critical capacity of bridge columns against earthquake events. It is found that the model is efficient in simulating the behaviour of the column under corrosion and seismic loads. From the case study, it is found that the load carrying capacity of the corroded column is much lower than that of non-corroded columns. The results show significant reduction in the column displacement capacity and energy dissipation capability due to rebar corrosion. The corrosion-induced damage could result in accelerated degradation of the bridge columns and reduce its ultimate strength.
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 ».