Optimizing rice husk ash for ultra-high-performance concrete: a comprehensive review of mechanical properties, durability, and environmental benefits
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
Abstract This review critically examines the potential of rice husk ash (RHA) as a supplementary cementitious material (SCM) in ultra-high-performance concrete (UHPC), focusing on its impact on mechanical properties, microstructure, and sustainability. Literature for this review was selected through a systematic search of Scopus, Web of Science, and Google Scholar, focusing on studies from the last two decades that provide empirical data on RHA-enhanced UHPC performance and microstructure. With a silica content ranging from 85 % to 95 %, RHA enhances pozzolanic reactions, leading to improved UHPC performance. Maximizing RHA’s efficacy in UHPC requires optimization techniques, such as utilizing superplasticizers and fibers, maintaining low water-to-binder ratios (0.18–0.22), and regulating replacement amounts (10–20 %). At optimal replacement levels of 10–15 %, RHA increases compressive strength by up to 9.78 %, tensile strength by 25.09 %, and flexural strength by 10.9 %, compared to control mixes. Additionally, its use reduces carbon dioxide emissions by approximately 10–15 % and energy consumption by up to 20 %, contributing to more sustainable concrete production. The review also highlights a reduction in chloride penetration and improved resistance to sulfate attack and freeze-thaw cycles, due to microstructural densification and reduced porosity. However, performance is sensitive to RHA quality, processing methods, and mix design parameters. This review identifies current limitations and recommends future research in standardization, long-term durability, and optimization strategies, underscoring the role of RHA in advancing eco-efficient, high-performance concrete technologies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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