پيش بيني ضريب محصورشدگي جانبي ستون هاي بتني محصور شده با FRP به وسيله شبكه عصبي مصنوعي

Prediction of the Lateral Confinement Coefficient of The concrete Columns Confined by FRP using the Artificial Neural Network

محصور نمودن ستون يكي از پركاربردترين روشهاي مقاوم سازي ساختمان محسوب ميشود. محصور نمودن ستونهاي بتني با ورقه هاي FRP به دليل ويژگيهايي كه دارد از جمله روشهاي نوين مقاوم سازي سازهها محسوب مي گردد. آزمايشهايي كه با اعمال فشار محوري به ستونهاي داراي گردگوشگي انجام گرفته است، نشان ميدهد كه هرچه ستون به مقاطع دايرهاي نزديكتر شود، رفتار آن بهبود مي يابد. اگرچه رفتار ستونهاي بتنآرمه محصور شده با FRP يا داراي آرماتور عرضي توسط پژوهشگران زيادي مورد مطالعه قرار گرفته است، اما تحقيق در مورد دورپيچ نمودن ستون با FRP زماني كه آرماتورهاي عرضي پاسخگوي محصورشدگي مورد نياز ستون نيستند، كمتر مورد توجه قرار گرفته است. در اين مقاله مدلهاي مختلفي از ضريب محصورشدگي جانبي ارائه شده است همچنين با در نظر گرفتن نتايج 114 آزمايش معتبر و تاثير پارامترهاي مهمي از جمله طول و عرض مقطع ستون، ضخامت ورق FRP، مقاومت فشاري بتن، مدول الاستيسيته FRP و شعاع گردشدگي گوشه هاي بتن، مدل جديدي با استفاده از شبكه عصبي ارائه شده است كه با استفاده از آن ميتوان ضريب محصورشدگي جانبي ستونهاي محصور شده را با دقت بالايي پيش بيني كرد. در نهايت، آناليز حساسيت به منظور بررسي ميزان تاثير هر پارامتر ورودي روي پارامتر خروجي نيز انجام گرفته و نتايج آن ارائه شد. با توجه به دقت بالاي مدل پيشنهادي توسط شبكه عصبي بدين ترتيب براي محاسبه ضريب محصورشدگي جانبي ستوني كه پارامترهاي آن در بازه پارامترهاي تعريف شده در اين مطالعه باشد ديگر نيازي به صرف هزينه و زمان براي مطالعه آزمايشگاهي آن ستون نمي باشد.

Confining columns is one of the most commonly used methods of retrofitting structures. The confinement of concrete columns by FRP sheets is considered as one of the modern methods of retrofitting structures due to their properties. Tests conducted on a rounded-corner column by applying axial compression indicate that its behavior improves as well as the cross-section of column approaches the circular section. However, the behavior of columns confined with FRP or having transverse reinforcement has been studied by many researchers, yet study on wrapping columns by FRP when the transverse reinforcement does not satisfy the required confinement for the column has not been investigated by researchers. In this study, different models of the lateral confinement coefficient are presented. Also, by considering valid test results and the influence of different parameters such as length and width of column section, thickness of FRP sheet, the compressive strength of concrete, elasticity modulus of FRP and, radius of rounded-corner concrete a new model is presented using the Neural network in which the lateral confinement coefficient of confined columns can be predicted with high accuracy. Finally, the sensitivity analysis is carried out to evaluate the effect of each input parameter on the output parameter, and the results are presented.