Influence de la lance en projection de béton : homogénéité et rebond
Bibliographic record
Abstract
Bien que les pertes engendrées par le rebond en béton projeté ne soit pas une thématique nouvelle, les dernières recherches dans le domaine ont permis de souligner et de quantifier l’importance de ce phénomène du point de vue économique et environnemental. De plus, l’industrie a vu se multiplier au cours des dernières décennies des mélanges de béton à haute technicité, tel les Bétons Fibrés Ultra-haute Performance (BFUP) ou les bétons à ultra-haute résistance initiale. Il ressort du constat actuel que l’équipement disponible en béton projeté par voie sèche ne semble plus tout à fait à même de surmonter les problématiques qui lui incombent, à savoir être capable de projeter tout type de béton, tout en limitant les pertes dues au rebond de façon acceptable. Au cours des dernières années, une démarche instaurée au Laboratoire de Béton Projeté de l’Université Laval a mis au jour un certain nombre de mécanismes se produisant dans le jet de béton en fonction de l’équipement employé. Ainsi, grâce à l’expertise acquise au cours des précédents travaux, ce projet de recherche a pu dépasser la simple observation en agissant directement sur l’équipement, la buse, afin de modifier le flux de matériau. Par la conception et la réalisation d’un anneau de mouillage et d’un embout de lance, il a alors été possible d’atteindre une diminution du rebond allant jusqu’à 50% comparativement aux lances courtes actuellement utilisées, tout en produisant un béton plus homogène. Ces résultats exceptionnels s’appuient essentiellement sur l’homogénéisation du profil de vitesses, élément clé dans l’optimisation du jet. L’équipement développé a par ailleurs permis la projection des bétons à haute technicité mentionnés précédemment. Ce projet ouvre la voie à un grand nombre de perspectives de recherches sur l’équipement, et permet de se rapprocher un peu plus d’une modélisation du rebond à l’échelle du jet.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".