مدلسازی کاسه نشست روسازی های انعطاف پذیر با استفاده از روش شبکه عصبی مصنوعی

روش ارزیابی غیر مخرب روسازی توسط دستگاه افت وخیز سنج ضربهای امروزه توسط بسیاری از کشورها و موسسات مورد استفاده قرار می گیرد. در اندازه گیری افت وخیز با استفاده از دستگاه FWD ، یک جرم تا ارتفاع مشخصی بالا آورده می شود و سپس بر روی یک صفحه بارگذاری دایره ای شکل افتاده و یک بار ضرب های به سطح روسازی اعمال می کند. شدت بار توسط یک سیستم فشارسنج و افت وخیزها با استفاده از یکسری افت وخیز سنج که تا سطح روسازی پایین آورده شده اند و در فواصل شعاعی مختلف قرار دارند،اندازه گیری می شود. هدف از انجام این تحقیق، ارایه مدلی به منظور پیش بینی افت و خیز در فواصل شعاعی مختلف در روسازی های انعطاف پذیر است. برای این منظور 10000 مقطع روسازی انعطاف پذیر مختلف با استفاده از نظریه ارتجاعی چند لایه ای تحلیل گردید و سپس پایگاه داده مربوط به مقادیر افت و خیز در فواصل شعاعی مختلف، با توجه به مقادیر ضخامت و مدول برجهندگی لایه ها تشکیل شد. در مرحله از شبکه عصبی مصنوعی برای پیش بینی تغییر شکل سطح روسازی در 9 فاصله شعاعی مختلف استفاده شد. ورودی های شبکه عصبی شامل ضخامت و مدول برجهندگی لایه های مختلف روسازی می باشند و خروجی های شبکه عصبی شامل مقادیر افت وخیز در 9 فاصله شعاعی مختلف از مرکز بارگذاری است. شبکه عصبی بهینه دارای یک لایه مخفی با معماری 7-25-9 است که تابع انتقال در لایه مخفی به صورت سیگمویید و در لایه خروجی به صورت خطی است. نتایج حاکی از آن است که شبکه عصبی پیشنهادشده قادر به پیش بینی مقادیر افت و خیز سطح روسازی با دقت بسیار مناسب می باشد، به طوری که ضریب رگرسیون در مورد کلیه پارامترهای پیش بینی شده بیش از 0/99 است.

Keywords:

لاتین FWD , , مدلسازی , کاسه نشست , روسازی انعطاف پذیر متعارف , شبکه عصبی مصنوعی