Comportement dynamique des ponts routiers à platelage d’aluminium extrudé compte tenu de la rugosité de la surface
Bibliographic record
Abstract
L'aluminium est un matériau très durable avec une excellente résistance à la corrosion qui pourrait être un excellent choix soit pour la construction de nouveaux ponts, soit pour la réhabilitation et le remplacement de tabliers de pont détériorés. Les ponts construits avec des platelages d’aluminium extrudé et des poutres d’acier offrent une solution prometteuse au problème du vieillissement de l'infrastructure des ponts. L'aluminium en tant que matériau structurel est aussi connu pour sa légèreté, qui facilite le transport et l'installation, et réduit les coûts des fondations. Cependant, cette caractéristique les rend sensibles vis-à-vis les excitations causées par les surcharges routières. La conception dynamique des ponts routiers par le code canadien de conception des ponts routiers (CSA S6-19) est basée sur le concept de facteurs d'amplification dynamique équivalents (FAD). Cependant, ces facteurs ont été établis principalement pour les ponts construits avec des matériaux traditionnels tels que le béton, le bois et l'acier. Il est donc prudent d'évaluer l'applicabilité de ces facteurs pour le cas des ponts légers construits avec des platelages d’aluminium extrudé. En outre, comme la rugosité de la surface des chaussées joue un rôle important dans le comportement dynamique d'un pont, il est important de considérer l'influence de la rugosité sur la réponse dynamique du pont. L'objectif de cette recherche est d'étudier le comportement dynamique des ponts composés des platelages d’aluminium extrudé et des poutres d’acier sous les surcharges routières en tenant compte de l'effet de la rugosité de la surface, et par conséquent d'évaluer l'applicabilité des FAD de la norme de conception actuelle pour de telles structures. Pour y parvenir, des modèles numériques ont été développés sur Abaqus pour une sélection des paramètres et des configurations des ponts. L'effet de la rugosité de surface sur la réponse dynamique est également étudié en générant l'algorithme de densité spectrale de puissance (DSP) selon la norme ISO 8608. Les résultats ont montré que les FAD dépendent énormément à la fois du ratio des fréquences véhicule-pont ainsi que de la rugosité de la surface. Au fur et à mesure que le ratio des fréquences véhicule-pont augmente, le FAD augmente de manière significative. Avec un ratio des fréquences véhicule-pont approchant 0,5, le FAD calculé dépasse la valeur du FAD recommandée par le code canadien. Il est à noter que les résultats de cette étude sont limités aux configurations de pont considérées à l'étude, et qu'une étude paramétrique approfondie est nécessaire pour tirer une conclusion générale sur l'applicabilité des valeurs actuelles du FAD pour les ponts légers en aluminium extrudé.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".