مطالعه مروری بر انواع روش های نوین تشخیص خرابی در روسازی بر اساس قابلیت پیزو-مقاومتی در بتن خودحسگر
محل انتشار: فصلنامه جاده، دوره: 31، شماره: 115
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 222
فایل این مقاله در 13 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_ROAD-31-115_008
تاریخ نمایه سازی: 29 اردیبهشت 1402
چکیده مقاله:
نظارت و رصد سلامت سازه در قبل و حین مرحله ی بهره برداری به ناظران این امکان را می دهد که نسبت به خسارات مالی و جانی احتمالی بتوانند رویارویی بهتری با آنها داشته باشند برای تشخیص خرابی در سازه های بتنی از جمله روسازی ها نیاز به بررسی سطحی و زیر سطحی است. در این مقاله سعی شده مرور خلاصه ای از چند روش توسعه یافته شده بر مبنای خاصیت پیزو مقاومتی در بتن ها به منظور ارزیابی سطح خسارت در بتن از دیدگاه مقاومت شکست، روش الکترودهای متوالی، روش مش مقاومتی و روش توموگرافی مورد نظر این تحقیق بود.. برای این منظور رایج ترین بتن های خود حسگر ساخته شده با روش های تشخیص خرابی متفاوت, برای شرایط بارگذاری مختلف مورد مطالعه و بررسی قرار گرفت. در نهایت به موضوع استفاده از این بتن های خودحسگر در نظارت بر وضعیت خرابی در روسازی ها پرداخته شده است که طبق ارزیابی های صورت گرفته این روش ها برای نظارت بر وضعیت خرابی روسازی ها مناسب هستند. همچنین در انتها به بررسی روش توموگرافی و استفاده از آن در تشخیص خرابی در یک دال بتنی تحت بارگزاری تسریع شونده پرداخته شد نتایج نشان داد روش نظارت تصویری توانایی دقیقی در تشخیص خرابی حتی از زیر سطح رویه بتنی و قبل از اینکه خرابی به روی سطح بیاید و دیده شود، ارائه می دهد. از این رو دقت و پیشبینی اینگونه روش ها قطعا کلید توسعه زیرساخت های هوشمند و راه های آینده خواهد بود.
کلیدواژه ها:
نویسندگان
مصطفی آدرسی
استادیار، دانشکده عمران، دانشگاه تربیت دبیر رجایی، تهران، ایران
بهراد صباغ
دانشجوی کارشناسی ارشد، گروه ژئوتکنیک، دانشکده عمران، دانشگاه تربیت دبیر رجایی، تهران، ایران
سمیه شریفی
دانشجوی کارشناسی ارشد، گروه ژئوتکنیک، دانشکده عمران، دانشگاه تربیت دبیر رجایی، تهران، 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 :