métodos de seleção granulométrica com foco na resistência à deformação permanente

Clicks: 24
ID: 254276
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #24 of 33 articles by views in nature machine intelligence

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
A granulometria de uma mistura asfáltica tem papel relevante em sua resistência à deformação permanente. Resultados práticos mostram que a simples obediência às faixas do DNIT não garantem resistência a tal defeito. Neste trabalho, avalia-se e compara-se os métodos Bailey e Faixa de Agregados Dominantes (FAD). Ambos buscam fornecer granulometrias com intertravamento adequado para resistir à deformação permanente. Utilizou-se 8 misturas asfálticas produzidas com materiais de diferentes regiões do Brasil. Os resultados mostram que o método FAD pode ser utilizado em fase de projeto para estimar o desempenho de campo das misturas asfálticas quanto ao defeito em questão baseando-se em um único parâmetro granulométrico (porosidade FAD). Por outro lado, dos parâmetros do método Bailey (AG, GAM e FAM), apenas os valores de AG refletem o comportamento mecânico das misturas asfálticas. Os resultados de laboratório e de campo indicam o potencial para aplicação prática do método FAD.   MÉTODOS DE SELEÇÃO GRANULOMÉTRICA COM FOCO NA RESISTÊNCIA À DEFORMAÇÃO PERMANENTE
Reference Key
ferreira2016transportesmtodos Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Jorge Luis Santos Ferreira;Jorge Barbosa Soares;Juceline Batista dos Santos Bastos
Journal nature machine intelligence
Year 2016
DOI
10.14295/transportes.v24i2.1129
URL
https://www.revistatransportes.org.br/anpet/article/view/1129
Keywords Keywords not found

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.