بررسی خواص مهندسی بتن خود تراکم فوق توانمند الیافی و پیش‌بینی خواص رئولوژی آن با شبکه عصبی هیبریدی و RBF

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

2 گروه مهندسی عمران، دانشگاه قم، قم، ایران

چکیده

امروزه استفاده از بتن های نوین در حال گسترش است، یکی از انواع این نوع بتن، بتن خودتراکم فوق توانمد الیافی است که شناخت خواص رئولوژی و مکانیکی آن ازاهمیت بالایی برخوردار است. ساخت بتن و انجام آزمایش های مربوط به آن هزینه های مختص به خود را داراست، یکی از راه کارهای کاهش این هزینه ها استفاده از روش هایی است که بتواند خواص بتن را پیش بینی کند. در این تحقیق درقسمت اول از سنگدانه های گارنت و بازالت، میکرو سیلیس، خاکستر بادی، نانو سیلیس و الیاف فولادی جهت ساخت بتن خودتراکم فوق توانمند الیافی استفاده شده و خواص رئولوژی، مقاومت فشاری، کششی و ریز ساختار آن بررسی شده است. جهت صرفه جویی در هزینه های ساخت ودر قسمت دوم این تحقیق، پیش بینی وتخمین دو شبکه عصبی مصنوعی ANN-GA (ترکیب شبکه عصبی مصنوعی والگوریتم ژنتیک) و RBF-NN (شبکه عصبی توابع بنیادی شعاعی) از خواص رئولوژی بتن خودتراکم‌ فوق‌توانمند ‌الیافی‌ ومقایسه آن با نتایج آزمایشگاهی بررسی شده است. خواص رئولوژی بتن خودتراکم‌ فوق‌توانمند ‌الیافی‌ که در این تحقیق مورد بررسی قرار گرفته شامل قطر ‌جریان ‌اسلامپ (D)، زمان جریان اسلامپ (T50)، آزمایش قیفV و آزمایش جعبه L است. نتایج آزمایشگاهی نشان دهنده مقاومت فشاری وکششی بالا و قرار گرفتن خواص رئولوژی درمحدوده مورد پذیرش EFNARC است. تخمین و پیش بینی دو شبکه عصبی مورد بررسی از خواص رئولوژی این نوع بتن، نشان دهنده دقت قابل قبول پیش بینی هردو شبکه عصبی دارد. درمیان این دو شبکه عصبی مصنوعی، دقت پیش بینی ANN-GA بیشتر است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigation engineering properties of fiber-reinforced ultra-high performance self-compacting concrete and prediction of its rheological properties with hybrid neural network and RBF

نویسندگان [English]

  • Alireza Rashno 1
  • Mohamadreza Adlparvar 1 2
  • Mohsen Izadinia 1
1 Department of Civil Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran
2 Department of Civil Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran
چکیده [English]

The use of self-compacting concrete types is increasing day by day, and understanding its rheological behavior is a high priority in the use of this type of concrete. In this study, the rheological properties of fiber-reinforced ultra-high performance self-compacting concrete (UHPSCC) were predicted by ANN-GA (Genetic Algorithm hybrid with Artificial Neural Network) and RBF-NN (Radial Function Neural Network), and its output was compared with laboratory results. The purpose of this study is to evaluate the making of UHPSCC with durable and to achieve an artificial neural network that can more accurately predict the rheology properties of this type of concrete. Rheology properties of self-compacting concrete include tests related to fresh concrete, including; Slump flow (D), slump flow (T50), V-funnel flow, and L-box test were performed. Experimental results indicate high compressive and tensile strength and rheological properties placement within the acceptable EFNARC range. Estimation and prediction of the two neural networks studied from the rheological properties of this type of concrete show the acceptable accuracy of prediction of both neural networks. Between these two artificial neural networks, the prediction accuracy of ANN-GA is higher.

کلیدواژه‌ها [English]

  • Fiber-reinforced ultra-high performance self-compacting concrete
  • Rheology properties
  • Prediction
  • ANN-GA
  • RBF-NN
نشریه مهندسی عمران امیرکبیر
دوره 55، شماره 5
مرداد 1402
صفحه 1103-1120

فایل ها

هم رسانی

ارجاع به این مقاله

آمار