پیش بینی عملکرد رفتار تیرهای عمیق مقاوم سازی شده با ورق FRP تحت بارگذاری سیکلی با استفاده از شبکههای عصبی مصنوعی

تیرهای بتن مسلح از مهمترین اجزای باربر در ساختمانهای بتنی هستند و ضعف در آنها می تواند به خرابی کلی سازه منجر شود. به همین دلیل، مقاوم سازی با ورقهای پلیمری مسلح به الیاف (FRP) به عنوان یکی از روشهای کارآمد در بهبود عملکرد سازه های بتنی مورد توجه قرار گرفته است. از سوی دیگر، استفاده از ابزارهای محاسباتی پیشرفته همچون شبکه های عصبی مصنوعی (ANN) امکان پیش بینی دقیق رفتار سازه ها را تحت شرایط بارگذاری مختلف فراهم میسازد. در این پژوهش ظرفیت برشی تیرهای عمیق بتن مسلح مقاوم سازی شده با FRP با استفاده از مدل سازی اجزای محدود در نرم افزار Abaqus و شبکه های عصبی مصنوعی در محیط Matlab مورد بررسی قرار گرفت. پارامترهایی همچون مقاومت فشاری بتن، فاصله و قطر خاموت، قطر میلگرد اصلی و موقعیت ورق FRP به عنوان متغیرهای ورودی شبکه در نظر گرفته شدند. نتایج نشان داد که مدل ANN توانایی بالایی در پیش بینی ظرفیت برشی تیرها دارد و در حالت بهینه با ۱۵ نورون در لایه، پنهان کمترین خطا و بیشترین ضریب همبستگی با داده های مدل اجزای محدود حاصل شد. یافته های این تحقیق نشان میدهد که ترکیب مدل سازی عددی و شبکه های عصبی میتواند به عنوان ابزاری مطمئن برای پیشبینی رفتار تیرهای عمیق مقاوم سازی شده و بهبود فرآیند طراحی و مقاوم سازی لرزه ای به کار رود.

کلیدواژه ها:

تیرهای عمیق بتنی ، مقاوم سازی ، FRP ، شبکه های عصبی مصنوعی ، بارگذاری سیکلی ، تحلیل حساسیت