CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی مقاومت خمشی تیرهای تقویت شده به روش NSM-FRP با استفاده از شبکه های عصبی مصنوعی

عنوان مقاله: پیش بینی مقاومت خمشی تیرهای تقویت شده به روش NSM-FRP با استفاده از شبکه های عصبی مصنوعی
شناسه ملی مقاله: JR_JSEC-4-4_003
منتشر شده در شماره 4 دوره 4 فصل در سال 1396
مشخصات نویسندگان مقاله:

سید روح الله حسینی واعظ - استادیار، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
حسین نادرپور - دانشیار، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
محمد براتی - دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران

خلاصه مقاله:
یکی از متداول ترین روش های تقویت اعضای بتن مسلح استفاده از الیاف های پلیمری می باشد. روش کاشت آرماتورهای FRP در پوشش اعضای بتنی (NSM-FRP)، اخیرا توجه محققین بسیاری را به خود جلب کرده است. در این روش به­دلیل اتصال بیشتر آرماتورها با بتن، از ظرفیت مصالح الیاف های پلیمری استفاده کامل­تری می­گردد. این روش دارای مزایای قابل توجهی نسبت به سایر روش های مقاوم سازی می باشد، این در حالی است که مطالعات عددی کم تری در این زمینه نسبت به تکنیک های قدیمی تر مانند اتصال سطحی ورق های FRP انجام شده است. شبکه های عصبی مصنوعی ابزاری مناسب و کارآمد برای بررسی و پیش بینی پاسخ یک سیستم بر پایه تعداد زیادی داده های آزمایشگاهی می باشد. اساس کار این شبکه ها مبتنی بر پروسه یادگیری به عنوان جایگزین مناسب روش رگرسیون های معمول در جهت به حداقل رساندن خطای محتمل مطرح می باشد. در این تحقیق نتایج آزمایشات انجام شده در زمینه ی تقویت خمشی تیرهای بتن مسلح با استفاده از سیستم NSM-FRP جمع آوری و پس از شناسایی پارامترهای موثر بر رفتار خمشی تیرهای تقویت شده به عنوان پارامترهای ورودی شبکه عصبی مصنوعی، با انتخاب نسبت افزایش ممان خمشی تیر به عنوان تابع هدف مدل شبکه عصبی ایجاد و به بررسی مقاومت خمشی تیرهای تقویت شده پرداخته شده است. درنهایت با توجه به بررسی های پارامتریک، رابطه ای به منظور پیش بینی مقاومت نهایی تیرهای تقویت شده ارائه شده است.

کلمات کلیدی:
تقویت خمشی, روش نصب در نزدیک سطح, NSM-FRP, مقاومت خمشی, شبکه های عصبی مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/893734/