بهینه سازی طرح اختلاط بتن خودتراکم الیافی حاوی پلی پروپلین با استفاده از الگوریتم های فرا ابتکاری ژنتیک و جستجوی کلاغ
محل انتشار: مجله مهندسی عمران مدرس، دوره: 20، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 78
فایل این مقاله در 12 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-20-3_001
تاریخ نمایه سازی: 6 اسفند 1403
چکیده مقاله:
در سالیان اخیر استفاده از بتن محتوی الیاف بعنوان یک مادهی ساختمانی مهم و با خواص مکانیکی مناسب جهت ساخت و ساز انواع سازهها استفاده میشود. هدف اصلی در این تحقیق، طراحی بتن توانمند خودتراکم الیافی با استفاده از الگوریتمهای فرا ابتکاری با پیادهسازی در نرم افزار متلب میباشد. برای بهینهسازی مبتنی بر راهکارهای فرا ابتکاری، الگوریتم جستجوی کلاغ (CSA) و الگوریتم ژنتیک (GA) به عنوان راهکارپردازشی محاسباتی توسعه داده داده شده است. برای این منظور، ۶۷ طرح اختلاط بتن خودتراکم الیافی شامل آب (۲/۱۳۷ – ۱۹۵ کیلوگرم بر مترمکعب)، سیمان (۵/۳۲۵ – ۵۲۰ کیلوگرم بر مترمکعب)، درشت دانه (۷۲۲ – ۹۲۰ کیلوگرم بر مترمکعب)، ریزدانه (۹/۸۰۴ – ۹۶۰ کیلوگرم بر مترمکعب)، نانوسیلیس (۰ – ۶/۴۹ کیلوگرم بر مترمکعب)، درصد حجمی الیاف (۰ – ۹/۰ درصد)، پودرسنگ آهک (۰ – ۹/۲۸۸ کیلوگرم بر مترمکعب) و فوق روان کننده (۷۵/۱ – ۵/۱۰ کیلوگرم بر مترمکعب) برای طراحی مخلوط بهینه مورد استفاده قرار گرفت. در این مطالعه برای فرموله شدن مسئله بهینهسازی، تابع هدف مقاومت فشاری بتن برپایه روش رگرسیون چندگانه خطی توسعه داده شد. همچنین قیدهای بررسی شده در این مطالعه نسبت مقادیر طرح اختلاط و حجم مطلق مقادیر طرح اختلاط برای طراحی مخلوطی با مقاومت بهینه و مقرون به صرفه به عنوان محدودیتهای تکنولوژیکی از فاکتورهای آزمایشگاهی تولید بتن مورد توجه قرار گرفته است. پیادهسازی الگوریتمیک روشهای فرا ابتکاری در محدوده ۳۰ – ۷/۸۸ مگاپاسکال تا رسیدن به مخلوط با مقادیر بهینه ادامه پیدا کرده و در نهایت ۵ نمونه از مخلوط بهینه توسعه داده شده با استفاده از الگوریتمهای CSA و GA جهت بررسی قابلیت و بهرهوری الگوریتمها گزارش گردید. نتایج ارائه شده در این مطالعه نشان داده است که عملکرد الگوریتم CSA با محدوده خطای میانگین ۳۸/۳ – ۴۹/۱۴ درصد در مقایسه با الگوریتم GA با محدوده خطای میانگین ۹۵/۷ – ۵۲/۱۵ نتایج قابل توجه در دقت و همگرایی جوابها ارائه نموده است. از اینرو میتوان به این نتیجه رسید که الگوریتمهای مورد استفاده به عنوان ابزار قابل اطمینان در حل مسایل بهینهسازی در مسایل مهندسی بویژه تکنولوژی بتن قابل توجه میباشد.
کلیدواژه ها:
Self-Compacted Fiber Reinforced Concrete ، Polypropylene ، Optimization ، Genetic Algorithm ، Crow Search Algorithm ، بتن خودتراکم الیافی ، پلی پروپیلن ، بهینه سازی ، الگوریتم ژنتیک ، الگوریتم جستجوی کلاغ
نویسندگان
محمدجواد طاهری امیری
Assistant Professor, Department of Civil Engineering, Higher Education Institute of Pardisan
علی اشرفیان
MSc in Civil Engineering, Tabari University of Babol
جواد برنجیان
Assistant professor, Babol University of Technology
فاطمه اصغری تیلکی
MSc student in Civil Engineering, Tabari University of Babol
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 :
