تخمین مقاومت برشی تیرهای بتنی مسلح به آرماتور FRP با استفاده از مدل GMDH-GA
محل انتشار: نشریه مهندسی سازه و ساخت، دوره: 8، شماره: 6
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 498
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSEC-8-6_002
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
در سال های اخیر استفاده از میلگردهای کامپوزیتی در سازه های بتن آرمه به دلیل مقاومت بالا در برابر خوردگی، مقاومت کششی قابل توجه و خاصیت ضد مغناطیسی بسیار مورد توجه قرار گرفته است. با توجه به مدول الاستیسیته کمتر میلگردهای کامپوزیتی نسبت به میلگردهای فولادی، تیرهای بتنی مسلح به میلگردهای کامپوزیتی دارای مقاومت برشی نسبتا کمتری در مقایسه با میلگردهای فولادی هستند. از سوی دیگر، شکست برشی در تیرهای بتنی مسلح به میلگردهای کامپوزیتی عموما ترد بوده و نیاز به پیش بینی دقیقی از عملکرد این اعضا نیاز می باشد. از اینرو، در این مطالعه به پیش بینی مقاومت برشی تیرهای بتنی مسلح به میلگردهای کامپوزیتی با استفاده از ترکیب شبکه عصبی GMDH و الگوریتم ژنتیک بر اساس طیف گسترده ای از مطالعات آزمایشگاهی پرداخته شده است. پارامترهای درنظر گرفته شده در این مطالعه شامل: پهنای تیر، عمق موثر تیر، نسبت دهانه برش به عمق، مقاومت فشاری نمونه استوانه ای استاندارد بتن، درصد آرماتورهای طولی و مدول الاستیسته میلگردهای کامپوزیتی می باشد. برای کنترل دقت و درجه اطمینان مدل پیشنهادی، نتایج آن با نتایج آزمایشگاهی و روابط موجود مقایسه گردیده است. نتایج این مقایسه نشان داده است که مدل پیشنهادی ترکیب شبکه عصبی GMDH و الگوریتم ژنتیک نتایج دقیقتری در محاسبه مقاومت برشی تیرهای بتنی نسبت به سایر روابط موجود دارد. همچنین بر اساس رابطه پیشنهادی به آنالیز حساسیت پارامترهای ورودی نیز پرداخته شده است.
کلیدواژه ها:
نویسندگان
مسعود احمدی
استادیار، دانشکده فنی مهندسی، دانشگاه آیت ا... بروجردی (ره)، بروجرد، ایران
حسین نادرپور
دانشیار، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
پویان فخاریان
دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
دانیال رضازاده عیدگاهی
دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :