Caractérisation d'un enrobé bitumineux haute performance et évaluation de son utilisation en couche de base en remplacement d'une grave bitume
Bibliographic record
Abstract
La production annuelle de grave bitume (GB) au Québec représente 17% de la production totale d’enrobé, soit 682 757 tonnes derrière ESG10 (soit 49,9%). Largement employés en couche de base, les graves bitumes répondent favorablement aux performances attendues d’eux. Par ailleurs, l’élaboration des graves bitumes nécessite l’emploi de plusieurs classes granulaires pour respecter les exigences de la norme LC. De plus le taux de liant reste élevé dans les graves bitumes, ce qui augmente leur coût de production quand on sait que le prix des matériaux grimpe de jour en jour en raison de la diminution des réserves existantes et du coût des technologies utilisées pour leur extraction. \n \nL’objectif principal du présent programme de recherche est la formulation et la caractérisation d’un enrobé bitumineux haute performance ayant les mêmes performances que la grave bitume présentement sollicitée dans la couche de base de nombreuses chaussées. \n \nPour ce faire, plusieurs enrobés formulés avec des teneurs en filler variant de 9,5% à 15% ont été fabriqués avec un bitume de classe 64-28. Ils ont été formulés suivant le principe d’optimisation granulaire des enrobés SMA Cpack mises au point à l’ETS. Seulement deux formules parmi les enrobés fabriqués ont été retenues pour la caractérisation. Le premier enrobé EBHP-20_11% (avec 11% de filler) est le fruit de l’optimisation, tandis que le second EBHP 20_15% (avec 15% de filler) a été retenu pour savoir l’influence qu’a une variation du taux de filler sur les performances de ce type d’enrobé. \n \nFinalement les propriétés des deux enrobés EBHP-20, ont été comparées entre eux dans un premier temps, et comparées à celles d’une grave bitume (GB 20) qui avait déjà été formulée et caractérisée avec un bitume de classe 64-28. \n \nLes résultats montrent que l’EBHP-20_11% peut effectivement remplacer la GB-20 comme couche de base dans la chaussée puisque les résultats de l’essai d’orniérage pour les deux enrobés sont très proches; l’essai de TSRST indique qu’avec un même bitume (64-28), les températures de rupture des EBHP-20 sont en général inférieures ou égales à celles des GB 20; Concernant l’essai de module complexe, les EBHP-20 donnent des valeurs de module à 10 °C et 10 Hz, légèrement en dessus de celle de la GB-20. Les résultats des essais de fatigue montrent que l’EBHP-20_11% a une performance moindre que celle de la GB-20. Par contre, l’EBHP-20_15% donne une valeur de ε6 très proche de celle de la GB-20. Il a été constaté également que l’augmentation de la teneur en filler améliore nettement la résistance à la fatigue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".