بهینه سازی کیفی و هزینه ای بتن های الیافی با استفاده از ترکیب مهندسی ارزش، الگوریتم شبکه های عصبی مصنوعی و آنالیز حساسیت

بتن الیافی در حقیقت نوعی کامپوزیت است که با به کارگیری الیاف تقویت کننده داخل مخلوط بتن، مقاومت کششی و فشاری آن، فوق العاده افزایش می یابد. این ترکیب کامپوزیتی، یکپارچگی و پیوستگی مناسبی داشته و امکان استفاده از بتن به عنوان یک ماده شکل پذیر جهت تولید سطوح مقاوم پرانحنا را فراهم می آورد. بتن الیافی از قابلیت جذب انرژی بالایی نیز برخوردار است و تحت اثر بارهای ضربه ای به راحتی از هم پاشیده نمی شود. شاهد تاریخی این فناوری، کاربرد کاهگل در بنای ساختمان است. در واقع بتن الیافی نوع پیشرفته این تکنولوژی می باشد که الیاف طبیعی و مصنوعی جدید، جانشین کاه و سیمان جانشین گل به کار رفته در ترکیب کاهگل شده اند. بتن الیافی شامل الیاف، ترکیبی است از سیمان، مصالح سنگی، آب، فوق روان کننده، دوده سیلیس وهمچنین درصدی از الیاف که بطور درهم و کاملا اتفاقی ودر جهات مختلف در مخلوط پراکنده شده است. وجود الیاف مشخصات مکانیکی بتن را نسبت به حالت اولیه بهبود می بخشد. بتن پرمقاومت یک ماده ترد و شکننده است در حالیکه افزودن الیاف فولادی به بتن پرمقاومت سبب بهبود رفتار ترد بتن وتغییرمد شکست آن می گردد. برخی از آیین نامه های جدید استفاده از الیاف فولادی یا کربنی به جای میلگرد در بتن وشاتکریت را مجاز دانسته اند اما فعلا آیین نامه بتن ایران یا مبحث نهم مقررات ملی ایران چنین جوازی را صادر نکرده اند. اگرچه در کشور ما تحقیقات تیوری و فعالیت های تجربی نسبتا مناسبی در زمینه گسترش و کاربرد تکنولوژی های بتن الیافی صورت گرفته است، اما حقیقت آن است که گسترش این فناوری بیش از همه وابسته به اعلام نیاز از سوی صنعت و مقرون به صرفه نمودن کاربری آن از سوی محققان کشور می باشد . امروزه مدل سازی به کمک شبکه های عصبی جایگاه ویژه ای در علوم فنی و مهندسی پیدا کرده و مدلسازی رفتار مواد که با پیچیدگی های فراوانی روبروست، تا حدودی به کمک شبکه های عصبی میسر شده است. در این تحقیق به بررسی و تعیین عوامل اثر گذار بر خصوصیات رفتاری بتن های الیافی و پیش بینی دقیق تری از رفتار پیچیده این نوع از کامپوزیت های نوین با استفاده از الگوریتم شبکه های عصبی مصنوعی پرداخته می شود و در نهایت به بهینه سازی طرح اختلاط آن با توجه به پارامترهای مقاومت فشاری، کششی و هزینه ساخت پرداخته می شود.

Keywords:

شبکه عصبی , رگرسیون , خاکستر بادی , خصوصیات مکانیکی