Behavior of synthetic fiber-reinforced concrete circular columns under cyclic flexure and constant axial load
Bibliographic record
Abstract
La ductilité et la capacité à dissiper de l'énergie sont deux qualités très importantes pour les éléments structuraux des structures situées dans les régions sismiques comme l'est du Canada. Soulignons que Montréal occupe la deuxieme place en ce qui a trait au risque sismique au Canada. De plus, la réduction des coûts de maintenance des infrastructures est un sujet d'intérêt pour les propriétaries alors que ces derniers doivent en tout temps garantir la sécurité des usagers. Or, le béton renforcé avec des fibres synthétiques semble être un matériau qui remplit ces caractéristiques. Pourtant, son utilisation est actuellement limitée aux éléments non structuraux ou structuraux mais non principaux. Afin de généraliser l'utilisation du béton fibre dans le domaine structural, il faut continuer à produire et à analyser des données expérimentales qui permettront de valider et d'améliorer les prescriptions de design et les modèles analytiques actuels pour la conception des éléments en béton armé avec des fibres dans les zones sismiques. Dans ce contexte, six poteaux circulaires à grande-échelle ont été testés sous une charge axiale constante (25% de Agf'c) et en flexion cyclique. Trois poteaux ont été confectionnés en béton normal (BN) et les trois autres en béton renforcé avec des fibres synthétiques (BRFS). La résistance à la compression du béton spécifiée à 28 jours pour les spécimens était de 30 MPa. Le volume de fibres synthétiques en polypropylène-polyéthylène utilisé a été de 1%. Les trois poteaux en BN étaient renforcés par une armature transversale constituée d'une spirale ayant un pas de 42, 75 et 100 mm respectivement. Ces trois spécimens ont été comparés avec des spécimens similaires en BRFS. Les résultats montrent que la présence des fibres synthétiques dans la matrice de béton améliore le comportement ductile et la capacité a dissiper de l'énergie des spécimens. Il a été observé que cette amélioration n'est pas directement proportionnelle à la quantité d'armature transversale. Toutefois, l'utilisation du béton fibre semble rendre possible une réduction de l'armature transversale tout en conservant un aussi bon sinon un meilleur comportement.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".