ارایه مدل شبکه عصبی برای تخمین ظرفیت برشی تیر بتنی مقاومسازی شده با FRP
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 743
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SECM01_080
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
انهدام برشی تیرهای بتن مسلح، شکستی ترد و بدون هشدار دهی قبل از خرابی می باشد و وقوع آن می تواند منجر به خسارات جبران ناپذیری شودبه همین علت طراحی تیرها برای مقاومت در برابر نیروهای برشی وارده، مساله بسیار مهمی است و در محاسبات باید توجه ویژه ای به این موضوعگماشته شود در پارهای از سازه ها، بنا به دلایل مختلف؛ از جمله تغییر کاربری سازه، فرسایش و خرابی سازه و تغییردر آیین نامه های طراحی وضرایب اطمینان مربوط آنها؛ ممکن است برخی از المان های سازه ای قادر به تحمل نیروی برشی اعمال شده نباشند. در چنین مواردی برایپیشگیری از وقوع انهدام برشی، لازم است سازه در مقابل نیروی برشی وارده تقویت شود. از این رو مقاوم سازی برشی تیرهای بتنی با استفاده ازچسباندن مصالح کامپوزیت FRP به صورت خارجی موضوعی است که در سال های اخیر در کانون توجه محققان و پژوهشگران متعددی قرارگرفته است علیرغم تلاش محققان، تا کنون رابطه دقیق و منسجمی برای پیش بینی سهم برشی FRP در تیرهای بتنی مقاوم سازی شده ارایهنشده است در این مطالعه با بررسی مطالعات و استانداردهای موجود در زمینه مقاوم سازی سازه ها با استفاده از FRP، پارامترهای موثر بر سهم برشیFRP استخراج شده اند و با استناد به این پارامترها و داده های موجود در مطالعات پیشین، مدلی با استفاده از شبکه های عصبی مصنوعی ارایه شدهاست که مقدار خروجی این مدل، سهم برشی FRP در تیرهای بتنی می باشد.
Keywords:
Authors
احسان مرادی
دانشجوی دکتری سازه، دانشکده مهندسی عمران، دانشگاه سمنان- نویسنده مسیول
محمدحسین ایلخانی
دانشجوی دکتری سازه، دانشکده مهندسی عمران، دانشگاه سمنان
حسین نادرپور
دانشیار، دانشکده مهندسی عمران، دانشگاه سمنان
علی خیرالدین
ستاد، دانشکده مهندسی عمران، دانشگاه سمنان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :