بهینه سازی طرح اختلاط بتن خودتراکم الیافی حاوی پلی پروپلین با استفاده از الگوریتم های فرا ابتکاری ژنتیک و جستجوی کلاغ

در سالیان اخیر استفاده از بتن محتوی الیاف بعنوان یک ماده­ی ساختمانی مهم و با خواص مکانیکی مناسب جهت ساخت و ساز انواع سازه­ها استفاده می­شود. هدف اصلی در این تحقیق، طراحی بتن توانمند خودتراکم الیافی با استفاده از الگوریتم­های فرا ابتکاری با پیاده­سازی در نرم افزار متلب می­باشد. برای بهینه­سازی مبتنی بر راهکار­های فرا ابتکاری، الگوریتم جستجوی کلاغ (CSA) و الگوریتم ژنتیک (GA) به عنوان راهکارپردازشی محاسباتی توسعه داده داده شده است. برای این منظور، ۶۷ طرح اختلاط بتن خودتراکم الیافی شامل آب (۲/۱۳۷ – ۱۹۵ کیلوگرم بر مترمکعب)، سیمان (۵/۳۲۵ – ۵۲۰ کیلوگرم بر مترمکعب)، درشت دانه (۷۲۲ – ۹۲۰ کیلوگرم بر مترمکعب)، ریزدانه (۹/۸۰۴ – ۹۶۰ کیلوگرم بر مترمکعب)، نانوسیلیس (۰ – ۶/۴۹ کیلوگرم بر مترمکعب)، درصد حجمی الیاف (۰ – ۹/۰ درصد)، پودرسنگ آهک (۰ – ۹/۲۸۸ کیلوگرم بر مترمکعب) و فوق روان کننده (۷۵/۱ – ۵/۱۰ کیلوگرم بر مترمکعب) برای طراحی مخلوط بهینه مورد استفاده قرار گرفت. در این مطالعه برای فرموله شدن مسئله بهینه­سازی، تابع هدف مقاومت فشاری بتن برپایه روش رگرسیون چندگانه خطی توسعه داده شد. همچنین قید­های بررسی شده در این مطالعه نسبت مقادیر طرح اختلاط و حجم مطلق مقادیر طرح اختلاط برای طراحی مخلوطی با مقاومت بهینه و مقرون به صرفه به عنوان محدودیت­های تکنولوژیکی از فاکتور­های آزمایشگاهی تولید بتن مورد توجه قرار گرفته است. پیاده­سازی الگوریتمیک روش­های فرا ابتکاری در محدوده ۳۰ – ۷/۸۸ مگاپاسکال تا رسیدن به مخلوط با مقادیر بهینه ادامه پیدا کرده و در نهایت ۵ نمونه از مخلوط بهینه توسعه داده شده با استفاده از الگوریتم­های CSA و GA جهت بررسی قابلیت و بهره­وری الگوریتم­ها گزارش گردید. نتایج ارائه شده در این مطالعه نشان داده است که عملکرد الگوریتم CSA با محدوده خطای میانگین ۳۸/۳ – ۴۹/۱۴ درصد در مقایسه با الگوریتم GA با محدوده خطای میانگین ۹۵/۷ – ۵۲/۱۵ نتایج قابل توجه در دقت و همگرایی جواب­ها ارائه نموده است. از این­رو می­توان به این نتیجه رسید که الگوریتم­های مورد استفاده به عنوان ابزار قابل اطمینان در حل مسایل بهینه­سازی در مسایل مهندسی بویژه تکنولوژی بتن قابل توجه می­باشد.

بهینه سازی طرح اختلاط بتن خودتراکم الیافی حاوی پلی پروپلین با استفاده از الگوریتم های فرا ابتکاری ژنتیک و جستجوی کلاغ Keywords:

Self-Compacted Fiber Reinforced Concrete , Polypropylene , Optimization , Genetic Algorithm , Crow Search Algorithm , بتن خودتراکم الیافی , پلی پروپیلن , بهینه سازی , الگوریتم ژنتیک , الگوریتم جستجوی کلاغ