|
|
بررسی آزمایشگاهی و تخمین مقاومت پیوستگی میلگرد و کامپوزیت های سیمانی الیافی توانمند تحت اثر حرارت
|
|
|
|
|
نویسنده
|
کریم پور سلیم ,رنجبر تکلیمی ملک محمد ,مدندوست رحمت ,اکبرزاده بنگر حبیب
|
منبع
|
مهندسي سازه و ساخت - 1402 - دوره : 10 - شماره : 10 - صفحه:151 -169
|
چکیده
|
در این مطالعه مقاومت پیوستگی میلگرد با کامپوزیت های سیمانی الیافی توانمند حاوی سه نوع الیاف فولادی (1% و 2%)، پلی پروپیلن (pp) و پلی وینیل الکل (pva) (1/0%، 2/0%، 3/0% و 4/0%) که به صورت ترکیبی در نظر گرفته شده است، در دمای محیط آزمایشگاه و تحت اثر حرارت های 400 و 600 درجه سانتی گراد مورد بررسی قرار گرفت. برای این منظور ابتدا 19 نمونه آزمایشگاهی برای استفاده از آزمایش مقاومت فشاری تحت دماهای مذکور مورد ارزیابی قرار گرفت که این کامپوزیت ها حاوی مواد چسباننده ی سیمان و دوده سیلیس) به میزان 20 درصد وزنی سیمان( می باشند و از میان آنها 4 طرح اختلاط آزمایشگاهی برتر برای آزمایش و ارزیابی مقاومت پیوستگی میان میلگرد و کامپوزیت های سیمانی الیافی توانمند در نظر گرفته شد. نتایج آزمایشگاهی نشان داد که مقاومت پیوستگی میلگرد با کامپوزیت های سیمانی توانمند حاوی الیاف ترکیبی (با ثابت نگه داشتن الیاف فولادی به میزان 2 درصد) به نحوی بوده که افزایش دما تا 400 درجه سانتی گراد، میزان افت پیوستگی با الیاف pp حدود 38 درصد بوده است در حالیکه این میزان کاهش برای نمونه های حاوی الیاف pva حدود 26% بدست آمده است. با افزایش دما تا 600 درجه سانتی گراد، مقاومت پیوستگی کامپوزیت های سیمانی الیافی توانمند با میلگرد همچنان کاهش می یابد تا جایی که این افت برای نمونه های منتخب حاوی الیاف ترکیبی (2% الیاف فولادی و 3/0% الیاف pp) حدود 64% مقاومت پیوستگی نمونه ها در دمای آزمایشگاه (یعنی 23 درجه سانتی گراد) می باشد. این میزان افت برای نمونه حاوی 2% الیاف فولادی و 2/0% الیاف pva برابر 62% محاسبه شده است. نتایج مدل سازی نشان داد که عملکرد مدل اسپلاین رگرسیون چندمتغیره انطباقی بر اساس معیارهای آماری خطا از دقت بیشتری نسبت به روش شبکه عصبی مصنوعی برخوردار بوده است.
|
کلیدواژه
|
مقاومت پیوستگی، کامپوزیت های سیمانی الیافی توانمند، الیاف پلی وینیل الکل، مدل سازی، روش های هوشمند مصنوعی
|
آدرس
|
دانشگاه گیلان, دانشکده فنی و مهندسی, گروه مهندسی عمران, ایران, دانشگاه گیلان, دانشکده فنی و مهندسی, گروه مهندسی عمران, ایران, دانشگاه گیلان, دانشکده فنی و مهندسی, گروه مهندسی عمران, ایران, دانشگاه مازندران, دانشکده فنی و مهندسی, گروه مهندسی عمران, ایران
|
پست الکترونیکی
|
h.akbarzadeh@umz.ac.ir
|
|
|
|
|
|
|
|
|
experimental investigation and estimation of bond strength of rebar and high-performance fiber-reinforced cementitious composites under high temperature
|
|
|
Authors
|
karimpour salim ,ranjbar malek mohammad ,madandoust rahmat ,akbarzadeh bengar habib
|
Abstract
|
in this study, the bond strength between rebar and high-performance fiber-reinforced cementitious composites (hpfrcc) containing the combination of three types of steel fibers (1% and 2%), polypropylene and polyvinyl alcohol (0.1, 0.2, 0.3 and 0.4%) has been investigated at the temperature of the laboratory, 400 and 600 °c. for this purpose, at first, 19 specimens were constructed and evaluated for compressive strength testing under the mentioned temperatures, as the silica fume was considered 20% by weight of cement. among the constructed hpfrcc, four superior mix designs were selected for investigating the bond strength between rebar and hpfrcc using pullout test. the results showed that the bond strength between rebar and hpfrcc samples containing 2% steel fibers with pp fiber in such a way that increasing the temperature up to 400 °c, decreased about 38%. while this reduction rate for the samples containing pva fibers is about 26%, and this means that pva fibers have a better performance than pp fibers in term of the bond between concrete and rebar when exposed to high temperatures. by increasing the temperature up to 600°c, the bond strength of rebar and hpfrcc continues to decrease until this drop is about 64% for selected samples containing fibers (2% steel and 3% pp) at the laboratory temperature (i.e., 23°c). the reduction for the hpfrcc sample containing 2% steel and 2% pva fibers is calculated by 62%. the results of this study and the literatures indicated the effect of different parameters on the bond strength, so for further investigation, the bond strength modelled using artificial intelligence models. the results of rebar bond strength modeling in hpfrcc showed that the performance of the adaptive multivariate regression splines based on error statistical criteria was more accurate than the artificial neural network.
|
Keywords
|
bond strength ,hpfrcc ,polyvinyl alcohol fiber ,modeling ,artificial intelligence
|
|
|
|
|
|
|
|
|
|
|