پیش ‏بینی ضریب محصور‏شدگی جانبی ستون ‏های بتنی محصور شده با FRP به وسیله‏ شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار، گروه عمران، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران

چکیده

محصور نمودن ستون یکی از پرکاربردترین روش‏های مقاوم‏سازی ساختمان محسوب می‏شود. محصور نمودن ستون‏های بتنی با ورقه‏های FRP به دلیل ویژگی‏هایی که دارد از جمله روش‏های نوین مقاوم‏سازی سازه‏ها محسوب می‏گردد. آزمایش‏هایی که با اعمال فشار محوری به ستون‏های دارای گردگوشگی انجام گرفته است، نشان می‏دهد که هرچه ستون به مقاطع دایره‏ای نزدیک‏تر شود، رفتار آن بهبود می‏یابد. اگر‏چه رفتار ستون‏‏های بتن‏آرمه محصور شده با FRP یا دارای آرماتور عرضی توسط پژوهشگران زیادی مورد مطالعه قرار گرفته است، اما تحقیق در مورد دورپیچ نمودن ستون با FRP زمانی که آرماتورهای عرضی پاسخگوی محصورشدگی مورد نیاز ستون نیستند، کمتر مورد توجه قرار گرفته است. در این مقاله مدل‏های مختلفی از ضریب محصورشدگی جانبی ارائه شده است همچنین با در نظر گرفتن نتایج 114 آزمایش معتبر و تاثیر پارامترهای مهمی از جمله طول و عرض مقطع ستون، ضخامت ورق FRP، مقاومت فشاری بتن، مدول الاستیسیته FRP و شعاع گردشدگی گوشه‏های بتن، مدل جدیدی با استفاده از شبکه عصبی ارائه شده است که با استفاده از آن می‏توان ضریب محصورشدگی جانبی ستون‏های محصور شده را با دقت بالایی پیش‏بینی کرد. در نهایت، آنالیز حساسیت به منظور بررسی میزان تاثیر هر پارامتر ورودی روی پارامتر خروجی نیز انجام گرفته و نتایج آن ارائه شد. با توجه به دقت بالای مدل پیشنهادی توسط شبکه عصبی بدین ترتیب برای محاسبه ضریب محصورشدگی جانبی ستونی که پارامترهای آن در بازه پارامترهای تعریف شده در این مطالعه باشد دیگر نیازی به صرف هزینه و زمان برای مطالعه آزمایشگاهی آن ستون نمی‏باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Prediction of the Lateral Confinement Coefficient of The concrete Columns Confined by FRP using the Artificial Neural Network

نویسنده [English]

  • Ehsan Darvishan
Assistant Professor, Department of Civil Engineering, Roudehen Branch, Islamic Azad University, Roudehen, Iran
چکیده [English]

Confining columns is one of the most commonly used methods of retrofitting structures. The confinement of concrete columns by FRP sheets is considered as one of the modern methods of retrofitting structures due to their properties. Tests conducted on a rounded-corner column by applying axial compression indicate that its behavior improves as well as the cross-section of column approaches the circular section. However, the behavior of columns confined with FRP or having transverse reinforcement has been studied by many researchers, yet study on wrapping columns by FRP when the transverse reinforcement does not satisfy the required confinement for the column has not been investigated by researchers. In this study, different models of the lateral confinement coefficient are presented. Also, by considering valid test results and the influence of different parameters such as length and width of column section, thickness of FRP sheet, the compressive strength of concrete, elasticity modulus of FRP and, radius of rounded-corner concrete a new model is presented using the Neural network in which the lateral confinement coefficient of confined columns can be predicted with high accuracy. Finally, the sensitivity analysis is carried out to evaluate the effect of each input parameter on the output parameter, and the results are presented.

کلیدواژه‌ها [English]

  • Retrofitting
  • Reinforced Concrete Column
  • FRP
  • Artificial Neural Network
  • Confinement

فایل ها

هم رسانی

ارجاع به این مقاله

آمار