پیش‌بینی عمر مفید باقیمانده پل های بتنی مسلح تحت خوردگی کربناته با استفاده از شبکه بیزین

عمرمفید پل های بتن مسلح تحت شرایط محیطی کاهش می یابد. از جمله عوامل تخریب بتن مسلح کربناسیون است. با توجه به اینکه در پل ها پتانسیل بیشتری برای خوردگی وجود دارد خوردگی کربناته برای این زیر ساخت های مهم در شرایط سخت جوی می تواند پایداری سازه را به خطر بیندارد. کربناته شدن بتن به عنوان نمونه واکنش قلیایی در منافذ موئینه با 𝑐𝑜2 موجود در هوا منجر به کاهش مقدار 𝑝ℎ از بیش از 13 به مقدار کمتر از 9 می شود و این امر باعث شکسته شدن لایه تاثیر پذیر در اطراف میلگرد می شود. اطلاع از میزان عمر مفید باقیمانده سازه ها باعث می شود تا در زمان مناسب نسبت به بهسازی، مقاوم سازی و یا بازسازی آنها اقدام گردد. در این مقاله یک روش ترکیبی برای تعیین عمر مفید باقیمانده سازه‌ها، مورد توجه و پژوهش قرار گرفته است. هدف از این تحقیق پیشنهاد روشی مناسب برای پیش بینی عمر مفید باقیمانده سازه پل بتن مسلح تحت خوردگی ناشی از کربناته شدن با استفاده از شبکه بیزین است. در این راستا با استفاده از فرمول های روش فیزیک خرابی بر مبنای قابلیت اعتماد سازه الگوریتمی ارائه شد که با استفاده از آن می توان یک پایگاه داده جهت آموزش شبکه بیزین تولید نمود. همچنین با استفاده از شبکه بیزین آموزش یافته، رابطه ای برای تعیین عمر مفید سازه پل‌های در معرض خوردگی کربناته ارائه گردید. برای راستی آزمایی رابطه پیشنهادی، مطالعه موردی در خصوص یک سازه پل واقعی انجام شد. نتایج این تحقیق نشان می‌دهد که روش پیشنهادی انطباق خوبی با نتایج بدست آمده از پژوهش‌های پیشین دارد. نرخ کربناسیون بیشترین تاثیر را در عمر مفید باقیمانده دارد زمانی که این نرخ به کمتر از mm⁄√year 2 می رسد بیشترین عمر بدست می آید. برای دست یابی به عمر بالای 65 سال، نرخ زیر 4mm⁄√year مورد نیاز می باشد. عمر مفید با شاخص قابلیت اطمینان1، 1.5 و 2 مورد بررسی قرار گرفت. با تغییر شاخص از یک به یک و نیم، عمر مفید باقیمانده به طور متوسط 33% کاهش می یابد. در برسی عدی پل مورد مطالعه در این پژوهش، عمر مفید ناشی از کربناسیون در ناحیه سالم 153 سال محاسبه گردید و این در حالی است که در شرایط یکسان محیطی، این عمر در ناحیه ترک خورده به 48 سال کاهش را نشان میدهد.

prediction of remaining service life of reinforced concrete bridges exposed to carbonate corrosion using bayesian network

the durability of reinforced concrete bridges can be compromised by environmental factors, with carbonation being a pivotal contributor to their degradation. carbonation-induced corrosion, particularly in severe weather conditions, critically undermines the structural integrity of bridges. this phenomenon, characterized by the reaction of atmospheric co2 with the alkaline components of concrete, precipitates a reduction in ph from above 13 to below 9, thereby compromising the protective layer encasing the steel reinforcement. assessing the residual service life of such structures is essential for timely maintenance, reinforcement, or reconstruction. this study explores a hybrid approach to estimate the remaining useful life of reinforced concrete bridges affected by carbonation corrosion. we propose a novel predictive model utilizing bayesian networks, informed by the principles of failure physics and structural reliability. an algorithm was developed to generate a database for bayesian network application, which also facilitated the establishment of a correlation to ascertain the bridge's lifespan. the efficacy of the proposed model was validated through a case study on an existing bridge, demonstrating congruence with prior research and underscoring its potential as a reliable predictive tool for infrastructure longevity.the proposed relationship based on the bayesian network obtained the remaining useful life of the concrete bridge deck with the r-squared error index (r2) equal to 0.97, which indicates the acceptable accuracy of the proposed method.