پیش بینی مقاومت پیوستگی میلگرد و بتن حاوی میکروسیلیس، نانوسیلیس و الیاف پلیمری با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه حکیم سبزواری

2 عضو هیات علمی گروه مهندسی عمران

چکیده

در این پژوهش مقاومت پیوستگی میان میلگرد و بتن حاوی درصدهای مختلف میکروسیلیس، نانوسیلیسو الیاف پلیمری مورد بررسی قرار گرفته است. به همین منظور 36 نمونه آزمایشگاهی استوانه‌ای 15×10 سانتی متری با 12 طرح اختلاط مختلف ساخته شده است. یک مدل شبکه عصبی مصنوعی (ANN) برای پیش بینی نتایج آزمایشگاهی مورد استفاده قرار گرفته است. مدل مورد استفاده شامل 6 پارامتر ورودی میکرو و نانو سیلیس، الیاف پلیمری، نسبت‌های سنگدانه به سیمان، آب به سیمان و رده‌های مقاومتی سیمان (325، 425 و 525 کیلوگرم بر سانتیمتر مربع) است. همچنین پارامتر خروجی شامل مقاومت پیوستگی از آزمون بیرون کشیدگی میلگرد از بتن می‌باشد. مدل ارائه شده به وسیله داده‌های آزمایشگاهی آموزش دیده و برای صحت سنجی نتایج آزمایشگاهی پیش بینی شده توسط شبکه از داده‌های محققین گذشته برای پردازش داده‌ها استفاده شده است. نتایج نشان می‌دهد شبکه عصبی ابزاری قدرتمند برای پیش بینی تاثیر مواد افزودنی به بتن بر روی مقاومت پیوستگی میان میلگرد و بتن است. همچنین در نظر گرفتن پارامترهای دیگر موثر در طراحی می‌تواند در دقیق تر شدن نتایج پیش بینی کمک شایانی بنماید.

کلیدواژه‌ها

عنوان مقاله [English]

ANN Prediction of bond strength between steel rebar and concrete containing micro-silica, nano-silica and fibers

نویسندگان [English]

  • Masoud Nematinejad 1
  • hamid eskandari 1
  • Gholamreza tadayon 2
  • Hassan Saghi 1
چکیده [English]

In this study, bond strength between steel rebar and concrete containing micro-silica, nano-silica and fibers are investigated. To this aimed, 36 cylindrical (10 cm*15 cm) specimens have been constructed using 12 different mix designs. ANN model was used in order to predict the experimental results. The applied model consists of six input parameters as micro-silica, nano-silica, fibers, aggregate/cement ratios, water/cement ratio and cement strength grades (325, 425 and 525 kg/cm2). The bond strength between steel rebar and concrete was also used as output parameter. This model is trained by experimental data for validation of experimental results predicted by the researchers of the data network is used for data processing. The predicted results were also validated by data from previous researches. The results indicate that the artificial neural network is a powerful tool for predicting the effects of various concrete admixtures on bond strength between steel rebar and concrete. Moreover, various effective design parameters should be considered in the predicting model which may potentially yield more precise results.

کلیدواژه‌ها [English]

  • Bond strength
  • micro-silica and nono-silica
  • fibers
  • Artificial neural network
  • pull-out test

فایل ها

هم رسانی

ارجاع به این مقاله

آمار