Étude du comportement des resurfaçages adhérents - mécanismes d'endommagement et influence des paramètres de conception
Bibliographic record
Abstract
Au Québec, les conditions climatiques très rudes, l'emploi grandissant de sels de déverglaçage et l'augmentation des charges routières provoquent la dégradation prématurée des réseaux routiers. Les réseaux routiers canadiens et québécois comportent de nombreuses infrastructures en béton armé présentant des problèmes sévères de durabilité. À chaque année, de nombreuses structures doivent être réhabilitées et parmi celles-ci, on compte notamment les tabliers de pont en béton armé. Habituellement, le béton du tablier de pont est détérioré sur une profondeur plutôt faible. Il est donc très avantageux de réparer uniquement cette surface dégradée et de conserver le béton encore sain, au lieu de procéder au remplacement complet du tablier. La réhabilitation au moyen d'un resurfaçage mince adhérent pourrait s'avérer la solution la plus économique, toutefois, celle-ci doit être durable. Cependant, les réparations par un resurfaçage mince adhérent doivent être étudiées et bien maîtrisées pour pouvoir profiter pleinement des avantages de cette technique. Ce mémoire présente la deuxième partie d'une étude réalisée à l'Université de Sherbrooke au sein du groupe de recherche sur le béton. Ce travail de recherche a permis d'évaluer la performance structurale de dalles en béton armé réparées à l'aide de plusieurs types de resurfaçages adhérents. La performance structurale a été analysée en soumettant les dalles réparées à une sollicitation cyclique en flexion sous une charge concentrée correspondant à environ 60% de la charge de rupture. L'orientation des dalles sur le banc d'essai de flexion a été variée de manière à pouvoir étudier le comportement de resurfaçages localisés en zone comprimée (fibre supérieure) ou en zone tendue (fibre inférieure).--Résumé abrégé par UMI.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".