پيش بيني مقاومت پيوستگي ميلگرد و بتن حاوي ميكروسيليس، نانوسيليس و الياف پليمري با استفاده از شبكه عصبي مصنوعي

ANN Prediction of bond strength between steel rebar and concrete containing micro-silica, nano-silica and fibers

در اين پژوهش مقاومت پيوستگي ميان ميلگرد و بتن حاوي درصدهاي مختلف ميكروسيليس، نانوسيليسو الياف پليمري مورد بررسي قرار گرفته است. به همين منظور 36 نمونه آزمايشگاهي استوانه‌اي 15×10 سانتي متري با 12 طرح اختلاط مختلف ساخته شده است. يك مدل شبكه عصبي مصنوعي (ANN) براي پيش بيني نتايج آزمايشگاهي مورد استفاده قرار گرفته است. مدل مورد استفاده شامل 6 پارامتر ورودي ميكرو و نانو سيليس، الياف پليمري، نسبت‌هاي سنگدانه به سيمان، آب به سيمان و رده‌هاي مقاومتي سيمان (325، 425 و 525 كيلوگرم بر سانتيمتر مربع) است. همچنين پارامتر خروجي شامل مقاومت پيوستگي از آزمون بيرون كشيدگي ميلگرد از بتن مي‌باشد. مدل ارائه شده به وسيله داده‌هاي آزمايشگاهي آموزش ديده و براي صحت سنجي نتايج آزمايشگاهي پيش بيني شده توسط شبكه از داده‌هاي محققين گذشته براي پردازش داده‌ها استفاده شده است. نتايج نشان مي‌دهد شبكه عصبي ابزاري قدرتمند براي پيش بيني تاثير مواد افزودني به بتن بر روي مقاومت پيوستگي ميان ميلگرد و بتن است. همچنين در نظر گرفتن پارامترهاي ديگر موثر در طراحي مي‌تواند در دقيق تر شدن نتايج پيش بيني كمك شاياني بنمايد.

In this study, bond strength between steel rebar and concrete containing micro-silica, nano-silica and fibers are investigated. To this aimed, 36 cylindrical (10 cm*15 cm) specimens have been constructed using 12 different mix designs. ANN model was used in order to predict the experimental results. The applied model consists of six input parameters as micro-silica, nano-silica, fibers, aggregate/cement ratios, water/cement ratio and cement strength grades (325, 425 and 525 kg/cm2). The bond strength between steel rebar and concrete was also used as output parameter. This model is trained by experimental data for validation of experimental results predicted by the researchers of the data network is used for data processing. The predicted results were also validated by data from previous researches. The results indicate that the artificial neural network is a powerful tool for predicting the effects of various concrete admixtures on bond strength between steel rebar and concrete. Moreover, various effective design parameters should be considered in the predicting model which may potentially yield more precise results.