메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.

고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
1
내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
본 연구에서는 섬유보강콘크리트의 성능향상을 위해 강섬유의 형상에 따른 마찰과 기계적 저항의 역학적 성능을 분석하고 새로운 형상인 더블아치형 강섬유의 부착성능 예측모델을 제시하였다. 강섬유의 성능 검증을 위해 인발실험을 수행하여 인발거동 평가와 제시한 더블아치형 강섬유의 예측모델을 검증하였다. 강섬유의 형상에 따른 비교를 위해 후크엔드형과 단일아치형 강섬유와의 최대인발저항강도, 에너지흡수용량을 비교 분석하였다. 더블아치형 강섬유는 후크엔드형과 단일아치형 강섬유에 비해 약 1.3~3.1배 높은 인발저항강도와 잔류인발강도를 보였다. 에너지흡수용량에서도 더블아치형 강섬유에서 약 1.5~2.3배 우수한 성능을 보였다. 또한, 제시한 더블아치형 강섬유의 인발거동 예측모델은 실험결과와 비교 시 최대 인발강도는 약 1.7 %의 오차를 보였으며, 강도감소 구간과 에너지흡수성능에서도 실험결과와 매우 유사한 결과를 보였다.

This study analyzed the performance of a newly developed double-arched steel fiber to propose a prediction model for the steel fiber. Experiments were conducted to evaluate the pullout resistance and energy absorption capacity of the double-arched fiber compared with those of the hooked-end and single-arched steel fibers. Double-arched steel fiber demonstrated high peak and residual pullout resistance, approximately 1.3 to 2.3 times those of the hooked-end and single-arched steel fibers. Energy absorption capacity was also large, approximately 1.5 to 2.3 times that of the hooked-end and single-arched steel fibers. In addition, the proposed prediction model of the pullout behavior for the double-arch steel fiber exhibited a peak pullout load similar to the experimental results with a slight difference of approximately 1.7 %. In addition, the residual pullout resistance and energy absorption performance obtained from the prediction model were also very similar to those in the experiments.

목차

ABSTRACT
1. 서론
2. 강섬유의 부착 메커니즘 분석 및 예측모델
3. 인발실험 수행 및 예측모델 검증
4. 결론
References
요약

참고문헌 (15)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-532-000309992