تعیین مقدار مناسب استفاده از ترکیب سرباره ریزدانه و درشت دانه بر اساس خصوصیات مکانیکی مخلوط های آسفالتی با استفاده از روش سطح پاسخ
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 58
فایل این مقاله در 16 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_JTIEJO-7-3_002
تاریخ نمایه سازی: 6 شهریور 1403
چکیده مقاله:
استفاده از پسماند تولیدات صنعتی، مانند سرباره فولاد، در صنعت راه سازی، جهت کاهش استفاده از مصالح سنگی و همچنین مزایای زیست محیطی ناشی از استفاده مجدد از آنها اهمیت زیادی دارد. تحقیقات در خصوص استفاده از سرباره فولاد به عنوان جایگزین مصالح سنگی در روسازیهای آسفالتی به سبب بهبود برخی از خصوصیات اصلی این مخلوطها برای سالیان متمادی انجام گرفته است. در این تحقیقات، سرباره به صورت کلی (شامل ریزدانه و درشت دانه با درصد یکسان) و یا به صورت درشت دانه جایگزین مصالح سنگی گردیده است. اما از آنجا که برخی از خصوصیات مخلوطهای آسفالتی با تغییر مصالح ریزدانه یا ترکیبی متفاوت از ریزدانه و درشت دانه نسبت به جایگزینی هم زمان و یکسان هر دو، تاثیرات متفاوتی را نشان میدهند، در این تحقیق، به بهینهیابی درصد استفاده از مصالح سرباره در اندازه ریزدانه و درشت دانه با استفاده از روش پاسخ سطح پرداخته شده است. در همین راستا، طرحهای اختلاط متفاوتی از این جایگزینی با استفاده از آزمایشهای مدول برجهندگی، مقاومت مارشال، کشش غیرمستقیم و حساسیت رطوبتی بررسی شدهاند. نتایج آزمایش های انجام گرفته و تحلیل آنها، نوع رفتار ریزدانه و درشت دانه را در مخلوطهای آسفالتی مشخص کرده و در نهایت برای هر آزمایش، مدل پیشنهادی بر اساس شرایط تحقیق مشخص شده است.
کلیدواژه ها:
نویسندگان
محمود عامری
استاد، گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
احمد منصوریان
دانشیار، بخش قیر و آسفالت، مرکز تحقیقات راه، مسکن و شهرسازی، تهران
حمید شاکر
دانشجوی دکتری راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
امیرحسین عامری
دانش آموخته کارشناسی ارشد راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
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 :