Caractérisation microstructurale des fibres naturelles pour des matériaux composites à base de ciment
Bibliographic record
Abstract
Le comportement mécanique des bétons renforcés de fibres naturelles dépend principalement de l’adhérence entre la fibre et la matrice de ciment. Cette adhérence a aussi une certaine influence sur le type d’endommagement de ces matériaux. Cette recherche a été menée sur des fibres naturelles de lecheguilla (Agave lecheguilla). Des essais chimiques, physiques et mécaniques tels que la détermination de la composition chimique, la morphologie, la porosité, l’absorption d’eau et les résistances à la traction et à la flexion ont été réalisés en utilisant ces fibres naturelles. Des observations à l’interface fibre–matrice de ciment ont aussi été effectuées à l’aide du stéréoscope pour évaluer l’effet du milieu alcalin et de différents rapports eau/ciment (E/C) sur la performance de mortier fibré. On a constaté que la résistance mécanique à la traction et à la flexion du matériau composite augmente, d’une part, avec l’augmentation de la longueur et, d’autre part, avec la diminution du volume de fibres utilisé. Le principal type de défaillance observée est l’arrachement des fibres. De plus, l’adhérence entre les fibres et la matrice de ciment est modifiée par les changements volumétriques et l’absorption d’eau relativement élevée. Néanmoins, cette adhérence peut être substantiellement améliorée en faisant un traitement superficiel des fibres à l’aide de solutions chimiques, comme le xylène, et en utilisant des faibles rapports E/C.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".