سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی

Publish Year: 1403
Type: Conference paper
Language: Persian
View: 96

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CAAM16_026

Index date: 1 December 2024

پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی abstract

قیرهای اصلاح شده با پودر لاستیک مقاومت در برابر شیارشدگی بالاتری نسبت به قیرهای اصلاح نشده دارند. به منظوربررسی مقاومت قیرهای اصلاح شده در برابر شیارشدگی آزمایش های متفاوتی مانند سوپرپیو و MSCR وجود دارد کههر یک نقاط ضعفی دارند. هدف از این تحقیق توسعه مدل پیش بینی برای مقدار کرنش حاصل از آزمایش خزش(۱ ثانیه) بازیابی ( ۱۰۰ ثانیه) قیر اصلاح شده با پودر لاستیک در دماهای ۲۵ و ۴۰ درجه سانتیگراد و سطوح تنش ۰/۱،۱، ۱۰، ۲۰، ۳۰ درجه سانتیگراد و سطوح تنش PG ۶۴-۲۲ استفاده شده است. دو درصد متفاوت پودر لاستیک ۱۰ و ۱۵ درصد برای اصلاح قیر در نظر گرفته شده است. آزمایش خزش بازیابی با استفاده از دستگاه رئومتر برشی دینامیکی DSR به منظور تکمیل داده ها برای ساخت مدل پیش بینی انجام گردید. مقدار کرنش به عنوان متغیرخروجی در نظر گرفته شد و درصد پودر لاستیک، دما، تنش و زمان به عنوان متغیرهای ورودی در نظر گرفته شدند. از شبکه عصبی مصنوعی برای توسعه مدل پیش بینی استفاده شد که R=۰.۹۹ و RMSE=۵.۳۹ برای داده های آزمایش گزارش گردید. نتایج نشان می دهد شبکه عصبی مقادیر کرنش را به خوبی پیش بینی می کند و نقطه ضعف آن درپیش بینی چند ثانیه اولیه باربرداری می باشد که مقدار پیش بینی و آزمایشگاهی با هم اختلاف دارند.

پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی Keywords:

پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی authors

مهرداد احسانی

دانشجوی دکتری تخصصی مهندسی عمران، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر.

پوریا حاجی کریمی

استادیار، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران.

محمد راهی

کارشناسی ارشد مهندسی پلیمر، مدیر تحقیق و توسعه، شرکت نفت پاسارگاد، تهران، ایران

بهزاد رسولی اسفنجانی

کارشناسی صنایع شیمیایی، مدیر کنترل کیفی، شرکت نفت پاسارگاد، کارخانه تبریز، ایران

یوسف یوسفی مزرعه

کارشناسی تکنولوژی صنایع شیمیایی، شرکت نفت پاسارگاد، کارخانه تبریز، ایران

سحر منیعی

کارشناسی ارشد شیمی، رئیس توسعه محصول، شرکت نفت پاسارگاد، تهران، ایران

مقاله فارسی "پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی" توسط مهرداد احسانی، دانشجوی دکتری تخصصی مهندسی عمران، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر.؛ پوریا حاجی کریمی، استادیار، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران.؛ محمد راهی، کارشناسی ارشد مهندسی پلیمر، مدیر تحقیق و توسعه، شرکت نفت پاسارگاد، تهران، ایران؛ بهزاد رسولی اسفنجانی، کارشناسی صنایع شیمیایی، مدیر کنترل کیفی، شرکت نفت پاسارگاد، کارخانه تبریز، ایران؛ یوسف یوسفی مزرعه، کارشناسی تکنولوژی صنایع شیمیایی، شرکت نفت پاسارگاد، کارخانه تبریز، ایران؛ سحر منیعی، کارشناسی ارشد شیمی، رئیس توسعه محصول، شرکت نفت پاسارگاد، تهران، ایران نوشته شده و در سال 1403 پس از تایید کمیته علمی شانزدهمین همایش ملی و نمایشگاه قیر، آسفالت و ماشین آلات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله خزش - بازیابی، قیر اصلاح شده، شبکه عصبی مصنوعی، پودر لاستیک، شیارشدگی هستند. این مقاله در تاریخ 11 آذر 1403 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 96 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که قیرهای اصلاح شده با پودر لاستیک مقاومت در برابر شیارشدگی بالاتری نسبت به قیرهای اصلاح نشده دارند. به منظوربررسی مقاومت قیرهای اصلاح شده در برابر شیارشدگی آزمایش های متفاوتی مانند سوپرپیو و MSCR وجود دارد کههر یک نقاط ضعفی دارند. هدف از این تحقیق توسعه مدل پیش بینی برای مقدار کرنش حاصل از آزمایش خزش(۱ ثانیه) بازیابی ( ۱۰۰ ثانیه) ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله پیش بینی رفتار ویسکوالاستیک غیرخطی قیر اصلاح شده با پودر لاستیکبا استفاده از شبکه عصبی مصنوعی با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.