Return to search

Local variation in bending stiffness in structural timber of Norway spruce : for the purpose of strength grading

Most strength grading machines on the European market use an averagemodulus of elasticity (MOE), estimated on a relatively large distance along awood member, as the indicating property (IP) to bending strength. Theaccuracy of such grading machines in terms of coefficient of determination israther low at R2 ≈ 0.5. This research is motivated by a desire to increase theaccuracy of the strength grading in the industry today. The aim of the presentstudy is to contribute knowledge of local variation in bending stiffness/MOEwith high resolution and thus locate weak sections due to stiffness reducingfeatures (the most important is knots) for structural timber.The present study introduces three methods that involve structural dynamics,classical beam theory and optical measurement to assess local wood stiffness.Specifically: The dynamic method, in which a wood member is treated as an ordinaryphysical structure and the local stiffness is studied by exploring itsdynamic properties. In Method II, a bending MOE profile is established based on local fibre angle information. The local fibre orientation is detected through highresolution laser scanning based on the tracheid effect.  For Method III, a bending MOE profile is established using surfacestrain information under four-point bending. A high resolution strainfield is obtained using the digital image correlation (DIC) technique. From the present study, the two latter methods are more favourable inevaluating the local stiffness within a piece of structural timber. Moreover, thestudy reveals that the established bending MOE profiles using the two lattermethods, i.e. based on information of the local fibre angle and surface strain,agree reasonably well. However, for some patterns of knot clusters, the localbending MOE, calculated on the basis of fibre angles, is significantly higherthan the local bending MOE estimated on the basis of surface strain. / De flesta av de utrustningar för hållfasthetssortering som utnyttjas på deneuropeiska marknaden använder ett medelvärde på elasticitetsmodulen(MOE), beräknat på en relativt stor längd av en sågad planka, som indikativparameter (IP). Sådan hållfasthetssortering ger en noggrannhet i termer avförklaringsgrad på R2 ≈ 0.5, vilket är ganska lågt. Arbetet i denna studiemotiveras av en önskan att öka noggrannheten i hållfasthetssorteringen. Syftetmed denna studie är att bidra med kunskap om lokala variationer iböjstyvhet/MOE med hög upplösning och att lokalisera veka snitt (där kvistarär den viktigaste försvagande faktorn) för konstruktionsvirke.Den aktuella studien introducerar tre metoder som omfattar strukturdynamik,klassisk balkteori och optisk mätning vid bedömningen av lokal styvhet imaterialet. Specifikt:  Metod I, där den lokala böjstyvheten studerades genom de dynamiskaegenskaperna såsom egenfrekvens och modform.  Metod II, där en MOE profil beräknas på basis av information om lokalafibervinklar på ett virkesstyckes ytor. Den lokala fiberorienteringen mätsmed högupplöst laserskanning baserad på den så kallade trakeideffekten.  Metod III, där en MOE-profil fastställdes med hjälp avtöjningsinformation för en hel flatsida av en planka belastad med konstantböjmoment. Det högupplösta töjningsfältet erhölls med hjälp av teknikför Digital Image Correlation (DIC). Studien visar att de två sistnämnda metoderna är mycket lämpade för attutvärdera den lokala styvheten i ett virkesstycke. Dessutom visar studien att deMOE-profiler som togs fram med hjälp av de två sistnämnda metoderna,vilka baseras på information om lokala fibervinklar och töjningsfältet på ytan,stämde överens för större delen av virkesstycket. För visa kvistgrupper kan dock den lokala böjstyvheten högre med metoden baserad på fibervinklar.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:lnu-38119
Date January 2014
CreatorsHu, Min
PublisherLinnéuniversitetet, Institutionen för byggteknik (BY), Linnaeus University, Department of Building Technology
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageEnglish
TypeLicentiate thesis, comprehensive summary, info:eu-repo/semantics/masterThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0029 seconds