MétaCan
Menu
Retour à la cohorte
Enregistrement W7116064016 · doi:10.1061/jmcee7.mteng-21361

Fatigue Performance of Asphalt Mixtures Prepared with RAP and Recycling Agents: A Study at the Fine Aggregate Matrix Scale

2025· article· en· W7116064016 sur OpenAlexaff

Notice bibliographique

RevueJournal of Materials in Civil Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésAsphaltAggregate (composite)StiffnessStrain (injury)Matrix (chemical analysis)Fatigue testingAsphalt pavementDissipation

Résumé

récupéré en direct d'OpenAlex

A fine aggregate matrix (FAM) has been used as a tool to evaluate the effects of reclaimed asphalt pavements (RAP) on the fatigue performance of asphalt mixtures. This study evaluated the fatigue performance of FAMs produced with RAP by comparing their strain tolerance at the same number of loading cycles. Three failure criteria were adopted to calculate the mixture strain tolerance: GR, Cf, and DR. The FAMs were prepared with RAP at 0%, 20%, and 40%, a PG 64-22 binder, a bio-oil, and a petroleum-based aromatic oil. The addition of RAP increased the stiffness and reduced the relaxation rate of the mixtures, resulting in FAMs that are stiffer and more susceptible to damage. The findings showed consistent conclusions among the three fatigue failure criteria. The addition of the petroleum-based oil proved to be promising by increasing the strain tolerance of the mixtures containing 20% RAP, while adding the bio-oil was the best option to increase the strain tolerance of the mixtures containing higher RAP proportions (40%).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,264
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials in Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207