پیش بینی میزان نفوذ گلوله در بتن با استفاده از روش داده کاوی هوش مصنوعی

نظر به اهمیت و کاربرد روز افزون بتن در بخش های مختلف سازه ای و غیرسازه ای ساختمان، بررسی جهت بهبود کیفیت خواص مکانیکی و دینامیکی آنه اضروری به نظر می رسد. مقاومت در برابر ضربه پرتابه ها و میزان نفوذ ناپذیری مصالح از جمله خواصی هستند که از طریق آزمایشات دینامیکی مختلف و انجام شبیه سازی با نرم افزارهای پیشرفته قابل بررسی می باشند. موضوع عملکرد یا رفتارسطوح بتنی در برابر برخورد (ضربه)، بدلیل تنوع در متغیرات آن، تحقیقات هدفمند و سیعی را در بخش های مختلف آزمایشگاهی و شبیه سازی عددی، نیاز دارد تا بتوان به معیارهای اصلی تامین سطوح مقاوم مطابق با ملاحظات مهندسی پدافند غیر عامل دست یافت. در این مطالعه روی شبیه سازی برخورد گلوله روی هدف بتنی کار شده و نتایج آن به عنوان اطلاعات ورودی در مرحله بعد در شبکه عصبی با استفاده از نرم افزار متلب استفاده شده است. نتایج تحقیق نشان داد در سرعت های بالا برای بهبود عملکرد سازه، افزایش مقاومت فشاری بتن به عنوان یکی از گزینه ها مطرح، میزان تاثیر آن در کاهش نفوذ برای سرعت های مختلف تقریبا برابر است. در کل با افزایش مقاومت فشاری بتن، مقدار عمق نفوذ در سرعت های پایین تر افت بیشتری نسبت به سرعت های بالاتر دارد. با افزایش نسبت شعاع انحنای نوک گلوله به قطر گلوله (CRH) میزان نفوذ افزایش یافته است. این میزان برای سرعت پایین تر 5% و برای سرعت بالاتر در حدود 4% می باشد. تفاوت بین میزان نفوذ برای سرعت 378 برابر با 8 سانتیمتر و برای سرعت 500 برابر با 6 سانتی متر است. شکل هندسی گلوله تاثیر بیشتری در نفوذ در سرعت های پایین تر دارد. با افزایش سرعت از 300 میلیمتر بر ثانیه به 600 میلیمتر بر ثانیه، عمق نفوذ از 0/21 میلیمتر به 0/63 میلیمتر افزایش می یابد. با افزایش دو برابری سرعت، عمق نفوذ سه برابر افزایش پیدا کرده است. با افزایش دو برابری سرعت، انرژی جنبشی پرتابه چهار برابر می شود. اما به دلیل وجود عوامل غیر خطی مانند ناحیه ترک خورده و میزان انرژی لازم برای شروع و گسترش ترک در نرخ کرنش های متفاوت، باعث اتلاف انرژی و جذب آن در حین فرایند نفوذ می شود.

کلیدواژه ها:

شبکه های هوش مصنوعی ، شکل گلوله ، عمق نفوذ ، پرتابه