ارائه رابطه‌ی پیش‌بینی مقاومت برشی بین لایه‌ای پانل‌های scs با اتصال‌دهنده‌های برشی نواری گسسته با استفاده از الگوریتم برنامه ریزی بیان ژنی (gep)

ساخت وساز سازه‌های بزرگ، به سرعت در حال توسعه می‌باشد. به‌همین خاطر یافتن مصالحی با وزن نسبتا کم و مقاومت بالا امری ضروری می‌باشد. در همین راستا سازه‌های ساندویچی فولاد-بتن-فولاد (scs) پیشنهاد شد، سازه‌های فولاد-بتن-فولاد ، متشکل از دولایه‌ی فولادی و یک لایه‌ی بتنی می‌باشد. این سازه ها بخاطر وزن کم و در عین حال مقاومت و انعطاف بالا، در بین مهندسین محبوب واقع شدند. در این پژوهش ابتدا سه نمونه پانل‌ آزمایش فشار خارج اتصال‌دهنده‌ی برشی نواری، با استفاده از نرم افزار اجزای محدود abaqus، مدلسازی و سپس صحت سنجی شد. در ادامه با توجه به اینکه، روابط موجود برای پیش‌بینی مقاومت برشی اتصال‌دهنده‌های برشی نواری، دارای شکل پیچیده و دقت نه چندان بالا بوده است، نویسندگان به دنبال پیشنهاد رابطه‌ای با در نظرگرفتن اثرات پارامترهای مختلف هندسی و همچنین مقاومت فشاری بتن، بودند. در همین راستا با استفاده از طراحی آزمایش، 17 نمونه‌ پانل طراحی و مدلسازی شد. سپس با استفاده از الگوریتم بیان ژنی (gepرابطه‌ای جهت پیش‌بینی مقاومت برشی این سیستم پیشنهاد گردید. در انتها با استفاده از پارامترهای ارزیابی خطا، کارایی رابطه‌ی پیشنهادی ارزیابی شد

prediction of the interlayer shear strength of scs panels with corrugated-strip shear connectors using gene expression programming algorithm

today, construction of large structures is growing quickly. for this reason, it is necessary to find the material with a rather low weight and high strength. for this purpose, steel-concrete-steel (scs) sandwich structures were proposed. scs structures are composed of two steel layers and one concrete layer. due to their low weight and high strength and flexibility, they have become popular among engineers. in the present research, first, three specimens of push-out test of strip shear connector were modeled and validated using abaqus finite elements software. then, since the present equations to predict the shear strength of the shear connectors are complicated and are not so precise, the authors proposed an equation taking the effects of different geometrical parameters and the concrete’s compressive strength in to account. for this purpose, using the experimental design, 17 specimens were designed and modeled. then, an equation was proposed using the genetic expression programming algorithm (gep) to predict the system’s shear strength. finally, the performance of the proposed equation was evaluated using the error parameters.