بررسی رفتار تیرهای تقویت شده به روش nsm-frp با استفاده از شبکه های عصبی مصنوعی

امروزه نیاز به روش های مقاوم سازی استاندارد در صنعت ساختمان بیش از گذشته احساس می شود. از بین تکنیک های مختلف، استفاده از انواع کامپوزیت های frp همواره به عنوان روشی مناسب برای مقاوم سازی اعضای سازه های بتن مسلح شناخته می شود. در این میان روش قرار دادن آرماتورها و نوارهای frp در پوشش بتنی اعضا (near surface mounted-frp) دارای عملکرد به مراتب بهتری نسبت به سایر روش های پیشین می باشد. در این روش به دلیل اتصال بیش تر آرماتورها با بتن، از ظرفیت مصالح frp استفاده کامل تری می گردد. از تکنیک nsm-frp می توان برای مقاوم سازی خمشی انواع تیرها، دال ها، ستون ها، تقویت برشی تیرها، مقاوم سازی دیوارها و غیره استفاده نمود. تقویت خمشی و برشی تیرهای بتنی به کمک این سیستم کاربرد و کارایی بالایی دارد. هرچند اخیراً آزمایشات نسبتاً زیادی در این زمینه انجام شده است ولی همچنان روش nsm به عنوان روشی نوظهور نیاز به استانداردسازی و همچنین دستورالعمل های طراحی و اجرایی مناسب دارد. شبکه عصبی مصنوعی، یک سیستم پردازش اطلاعات است که الهام گرفته از شبکه های عصبی زیستی می باشد و همانند انسان با استفاده از مثال های موجود آموزش می بینند. شبکه های عصبی مصنوعی ابزارهایی قدرتمند برای حل مسائل پیچیده و یافتن ارتباط بین پارامترهای موجود می باشند. در این تحقیق رفتار تیرهای تقویت شده به روش nsm-frp باتوجه به وجود پارامترهای مختلف و روابط پیچیده بین آن ها از شبکه های عصبی مصنوعی استفاده شده است. برای این منظور مجموعه ای از داده های آزمایشگاهی از آزمایشات مختلف برای آموزش شبکه عصبی جمع آوری گردیده است. پارامترهای ورودی موثر که به عنوان ورودی های شبکه عصبی در نظر گرفته شده است شامل: ابعاد تیر، طول آرماتور frp، مقدار frp، مقاومت فشاری بتن، مقدار آرماتور فولادی و مقاومت کششی frp می باشد و تابع هدف مقاومت خمشی و برشی تیر در نظر گرفته شده است. در نهایت پس از مدل سازی تیرهای تقویت شده به روش nsm-frp با استفاده از شبکه های عصبی مصنوعی و با بررسی روابط موجود بین پارامترهای مختلف، رابطه هایی برای پیش بینی تأثیر مقاوم سازی در خمش و برش ارائه شده و تأثیر پارامترهای مختلف بر رفتار تیرهای تقویت شده را بررسی کرده ایم.