توسعه مدل ریاضی کاسه نشست روسازی و تعیین فاصله بهینه ژئوفن های دستگاه افت وخیز سنج ضربه ای (FWD)

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 503

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ROAD-51-99_004

تاریخ نمایه سازی: 2 مهر 1398

Abstract:

هدف از انجام این تحقیق، ارائه یک مدلی ریاضی به منظور مدل سازی پیوسته کاسه نشست روسازی با استفاده از داده های افت وخیز سطح روسازی و تعیین موقعیت بهینه افت وخیز سنج های مربوط به دستگاه افت وخیز سنج ضربه ای است. برای این منظور10000 مقطع روسازی انعطاف پذیر مختلف با استفاده از نظریه ارتجاعی چندلایه ای تحلیل و سپس پایگاه داده مربوط به افت وخیزها در نه فاصله شعاعی مختلف برای مقاطع مختلف روسازی ایجاد شد. نتایج نشان می دهد که ضریب رگرسیون مربوط به برازشمعادله پیشنهادیبه کاسهنشستدر کلیه موارد بیش از 99/0 است که نشان دهنده برازش بسیار خوب معادله پیشنهادی به کاسه نشست روسازی است. به منظور تعیین بهترین فاصله شعاعی جهت قرار دادن ژئوفن ها، تمامی سناریوهای مربوط به انتخاب 4، 5، 6 و 7 ژئوفن از 9 ژئوفن بررسی شد و در هر مورد، 5 سناریوی برتر انتخاب گردید. نتایج این تحقیق نشان داد که بهترین فاصله شعاعی برای 6 ژئوفن برابر 1830-1220-915-457-203-0 میلی­متر و بهترین فاصله شعاعی برای 7 ژئوفن برابر 1830-1220-915-457-305-203-0 میلی­متر است.

Keywords:

مدل ریاضی , FWD , کاسه نشست , روسازی های انعطاف پذیر , فاصله بهینه ژئوفن ها

Authors

علیرضا غنی زاده

دانشیار دانشکده مهندسی عمران،دانشگاه صنعتی سیرجان، سیرجان، ایران

نسرین حیدرآبادی زاده

کارشناس آزمایشگاه پیشرفته قیر و مخلوط های آسفالتی، دانشگاه صنعتی سیرجان، سیرجان، ایران

آرش ضیایی

مربی، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

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 :
  • Alkasawneh, W. M., (2007), Backcalculation of pavement moduli using genetic ...
  • Fwa, T., Tan, C., & Chan, W., (1997), Back calculation ...
  • Garson GD.) 1991), Interpreting neural-network connection weights . Artif Intell ...
  • Ghanizadeh A.R. and A. Ziaei, (2015), NonPAS: A Program for ...
  • Gopalakrishnan, K., & Papadopoulos, H., (2011), Reliable pavement backcalculation with ...
  • Gurney, K., (2005), An introduction to neural networks . London, ...
  • Hossain, M., Zaniewski, J., & Rajan, S., (1994), Estimation of ...
  • Huang, Y. H., (2004), Pavement analysis and design , New ...
  • Maher, A. & Bennert, T. A., (2008). Evaluation of Poisson’s ...
  • Olden JD, Jackson DA.­, (2002), Illuminating the ‘‘black box’’: a ...
  • Pekcan, O., Tutumluer, E., and Thompson, M., (2008), Artificial neural ...
  • Saltan, M., (2002), Modeling deflection basin using neuro-fuzzy in backcalculating ...
  • Scimemi, G. F., Turetta, T., & Celauro, C., (2016), Backcalculation ...
  • Sahin, M. (2005), Pavement Management For Airports, Roads, and Parking ...
  • Ullidtz, P., & Stubstad, R. N., (1985), Analytical-empirical pavement evaluation ...
  • Varma, S., & Emin Kutay, M., (2016). Backcalculation of viscoelastic ...
  • نمایش کامل مراجع