Mesure des propriétés viscoélastiques linéaires et du comportement et des caractéristiques à basse température d’un enrobé de surface incorporant de forts taux de granulats bitumineux récupérés (GBR)
Bibliographic record
Abstract
L'utilisation de granulats bitumineux récupérés (GBR) est une solution envisagée dans le secteur des matériaux bitumineux pour des raisons environnementales. Bien que le Québec utilise déjà les GBR dans la production d'enrobés bitumineux, les taux sont limités à 10% et 20% pour les couches de surface et de base des chaussées, respectivement. Cette prudence est due aux conditions climatiques locales et au manque de preuves sur les performances à basse température des enrobés avec plus de 20% de GBR. Un rapport de Bitume-Québec (2023) indique qu'il y a plus de 4,55 millions de tonnes de GBR en inventaire, mais le taux de recyclage annuel est de seulement 14,8%. Utiliser des taux élevés de GBR nécessite de considérer plusieurs facteurs comme la taille des particules et la quantité de bitume, ainsi que la température et la durée de malaxage. Bien que l'ajout de GBR augmente la rigidité et améliore les performances à l'orniérage, il peut rendre les enrobés plus fragiles à basse température. Pour mieux comprendre et optimiser l'utilisation des GBR dans les régions froides, un projet a été lancé par le laboratoire sur les chaussées et matériaux bitumineux (LCMB) et BauVal Inc. Ce projet est divisé en deux parties : la formulation d'enrobés à fort taux de GBR et la caractérisation de leurs performances à basse température. La thèse se concentre sur la deuxième partie. La revue de littérature a permis de mettre l’accent sur les conditions assurant une production de qualité des enrobés recyclés et à bâtir la méthodologie expérimentale permettant la caractérisation des mélanges du projet. Les résultats montrent qu'un temps de malaxage optimal est nécessaire pour obtenir un comportement similaire au mélange de référence, le comportement VEL et les propriétés thermiques sont influencés par l’ajout du GBR entrainant un gain de module de rigidité tandis qu’au retrait thermique empêché (essai TSRST), l’influence est ressentie lorsque le taux de GBR dépasse 30%. Les essais de traction directe et d’endommagement thermique ont également révélé un gain de performance à basse température avec l'ajout de GBR. Bien que des recherches supplémentaires soient nécessaires pour confirmer ces résultats, la notion de reste de réserve de résistance en traction (RRRT), introduite dans cette thèse, montre que la chaussée serait plus robuste dans les basses températures avec l’ajout du GBR jusqu’à 40%. Ce concept de RRRT peut être utilisé comme un outil pour prédire l’apparition de la fissuration transversale dans les chaussées au Québec.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".