روشی تسریع شده برای تعیین عمر خستگی قیر به کمک رویکرد خرابی محیط پیوسته
محل انتشار: مجله مهندسی عمران مدرس، دوره: 21، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 140
فایل این مقاله در 11 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_MCEJ-21-3_009
تاریخ نمایه سازی: 6 اسفند 1403
چکیده مقاله:
قیر، به عنوان فاز چسبنده، نقش مهمی در رفتار مخلوط آسفالتی ایفا می کند. بر این اساس تعیین مشخصات خستگی آن همواره موضوع تحقیقات گسترده بوده است. در این میان، رویکرد خرابی محیط پیوسته ویسکوالاستیک (VECD) مورد توجه بسیاری از تحقیقات برای تعیین مشخصات خستگی مصالح بوده است. در این رویکرد، سختی ماده به عنوان تابعی از خرابی - که مستقل از نحوه بارگذاری می باشد - تعیین می شود، که بر اساس آن بتوان عمر خستگی را برای انواع بارگذاری تعیین کرد. با این حال استفاده از این روش دارای پیچیدگی هایی است، زیرا از طرفی می بایست خرابی در طول آزمایش تعیین شود، و از طرف دیگر محاسبه خرابی نیازمند تعیین پارامترهایی است که تنها با داشتن روند تابع خرابی به دست می آیند. این موضوع سبب ایجاد یک فرآیند سعی و خطا در این روش می شود. در این مطالعه روشی ابتکاری ارائه شده است که تا حد زیادی می تواند در میزان محاسبات و تعداد آزمایش های لازم صرفه جویی حاصل نماید. طبق این روش، آزمایش پیمایش زمان در دو سطح کرنش مختلف انجام شده، و سپس به کمک روابطی که در این تحقیق برای پیش بینی رفتار خستگی توسعه داده شده است، بدون نیاز به محاسبه متغیر خرابی، تابع خرابی به کمک یک رگرسیون غیرخطی قابل تعیین خواهد بود. در ادامه، روش مذکور با نتایج آزمایش های خستگی بر روی نمونه های قیر اصلاح شده با پلیمر اس بی اس اعتبارسنجی شده است. نتایج حاکی از آن است که استفاده از روش رگرسیون به خوبی می تواند جایگزین روش سعی و خطا شده و با صرف زمان کمتر، تابع خرابی را بدست دهد.
کلیدواژه ها:
نویسندگان
محمدمهدی دیبائی
PhD student at Tarbiat Modares University
امیر کاووسی
Professor at Tarbiat Modares University
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 :