پیش بینی رشدمقاومتی ملات های فروسمنتی دارای نانوذرات سیلیس بابکارگیری شبکه های عصبی مصنوعی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 410

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSR02_148

تاریخ نمایه سازی: 22 اردیبهشت 1398

چکیده مقاله:

با رشد توسعه بکار گیری مصالح روش های مختلف در علم بتن، دستیابی به یک مدل جهت پیش بینی تخمین اثرات این تغییرات جهت صرفه جویی در انرژی زمان می توان اثربخش باشد. در همین راستا امروزه شبکه های عصبی مصنوعی به عنوان یک کلید سودمند در زمینه های گوناگون مهندسی عمران بکار گرفته می شود. از طرف دیگر، توجه تمرکز بر روی عملکرد نانوذرات نیز در بسیاری از رشته ها فزونی یافته است. علاوه بر این، فروسمنت به عنوان یک نوع خاص از دیوارهای کم ضخامت بتن مسلح مطرح می باشد که به طور کلی از ملات سیمان ساخته می شود با توجه به عدم نیاز به مهارت خاص جهت ساخت ویژگی های منحصر بفرد آن در زمینه های گوناگون کاربرد یافته است. بر همین اساس، در این مقاله مدلی از شبکه های عصبی مصنوعی در جهت تخمین مقاومت فشاری 3، 28 روزه ملات های دارای نانوذرات فوق روان کننده بکار گرفته شد. متغیرهای طرح های اختلاط شامل سه نسبت آب به سیمان مختلف 35، 5)، چهار نسبت مختلف جایگزینی نانوذرات سیلیس (0%، 1، 3%) می باشند. جهت ساخت مدل آموزش ارزیابی از نتایج 24 طرح اختلاط بهره گرفته شد. به طوری که 75% این نتایج جهت آموزش شبکه 25% باقی مانده جهت ارزیابی عملکرد شبکه مورد استفاده قرار گرفتند. برنامه در نرم افزار MATALB به اجرا در آمد. سپس، اطلاعات طرحهای اختلاط متغیرهای شبکه در چهار لایه ورودی شامل نسبت ماسه به مواد سیمانی، درصد افزودن نانو ذرات، نسبت آب به مواد سیمانی مقدار افزودن فوق روان کننده وارد گردید. علاوه بر این، در جهت افزایش عملکرد شبکه عصبی مصنوعی، آنالیز اجزای اصلی صورت پذیرفت. از دیگر مزایای این اقدام حذف وابستگی متغیرها همچنین حذف متغیری که کار آمدی آن کمتر است می باشد. لذا می توان نتیجه گرفت که با بکار گیری مدل مناسبی از شبکه های عصبی مصنوعی، ویژگی های سایر ملات های سیمانی مشابه بدون انجام تست های آزمایشگاهی قابل تخمین خواهد بود. بر اساس نتایج بدست آمده از آموزش ارزیابی شبکه می توان گفت که این نتایج بسیار نزدیک به نتایج آزمایشگاهی می باشند.

نویسندگان

علیرضا خالو

استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف

پیام حسینی

مسیول واحد پژوهش تحقیقات، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف

مجید دلکش

کارشناس، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف

عباس بوشهریان

مسیول گروه پژوهش های بنیادی، انستیتو بتن مصالح پیشرفته، مرکز تحقیقات فناوری های پیشرفته طلوع، دانشگاه صنعتی شریف