مقایسه تحلیل دینامیکی و استاتیکی روسازی آسفالتی راه و مدل سازی آن با استفاده از شبکه عصبی مصنوعی

پایان نامه
چکیده

با توجه به نقش کلیدی روسازی راه، مهندسین همواره به دنبال روش هاییهستند تا تصویرواقع بینانه تری از عکس العمل روسازی تحت تأثیر عوامل مختلف به دست آورند. آگاهی از پاسخ روسازیتحت ترافیک عبوری از الزامات برای طراحی روسازیمی باشد. مدل‏های متداول طراحی روسازی بارهای اعمالی را به صورت استاتیک در نظر می گیرند و در نظر نگرفتن اینتأثیر دینامیک، اشاره بر این دارد که روسازی تحت بار متحرک رفتاری همانند بار ثابت خواهد داشت که این مسئله به دور از واقعیتمی باشد.روش های عددی گوناگونی برای پیش‏بینی پاسخ دینامیکی روسازی‏ها مورد استفاده قرار می‏گیرد که یکی از اینروش ها، روش لایه محدود می باشد که برنامه‏ی3d-move بر اساس آن توسعه یافته است. در اینپایان نامه به توضیح مختصری از روش لایه محدود پرداخته شد و با استفاده از برنامه‏ی3d-move به مقایسه ی پاسخ دینامیکی و استاتیکی روسازیانعطاف پذیرپرداختیم و تأثیر پارامترهای مختلفی همچون سرعت حرکت بار، توزیع یکنواخت و غیریکنواخت بار، فشار باد تایر،میرایی لایهآسفالتو دمای تحلیلبر پاسخ‏های بحرانی روسازی،مورد بررسی قرار داده شد. همچنین در ادامه با توجه به زمان بر بودن تحلیل روسازی تحت عوامل مذکور، شبکه عصبی مصنوعی مناسب برای تحلیل روسازی مورد مطالعه،تحت تأثیر پارامترهای مورد نظر ارائهگردید. نتایج مقایسه ی تحلیل استاتیکی و دینامیکی نشان داد که حرکت بار باعث کاهش پتانسیل خرابی شیارشدگی و خستگی بستر و افزایش خرابی شیارشدگی لایه آسفالتی می‏شود. همچنین افزایش سرعت حرکت بار و افزایش میرایی لایه آسفالتی باعث کاهش پاسخ ها و افزایش فشار باد تایر و دما باعث افزایشپاسخ های روسازی می گردد. همچنین بررسی ها برای الگوریتم بهینه شبکه عصبی نشان داد که شبکه‏ای با ساختار 1-16-6 با قابلیت اطمینان بالایی توانایی پیش بینیکرنش های زیر لایه آسفالتی را دارا می باشد.

منابع مشابه

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

   با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آن با علت‌یابی و استفاده از روش‌های حل مسئله به اصلاح امور شرکت‌ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه‌های فیزی...

متن کامل

شناسایی مدل دینامیکی هواپیما با استفاده از شبکه‌های عصبی مصنوعی

در این مقاله‌، روشی جهت شناسایی مدل دینامیکی هواپیما در حالت 6 درجه آزادی‌، با استفاده از شبکه‌ی عصبی ارائه می‌شود‌. برای مدلسازی با شبکه‌های عصبی‌، آگاهی قبلی نسبت به ویژگی‌های سیستم چندان مورد نیاز نیست و می‌توان با بکارگیری مجموعه‌ای از ورودی‌ها و خروجی‌های ثبت شده‌ی سیستم‌، عملیات شناسایی را انجام داد‌. لذا این شیوه برای هواپیما که تعیین مقادیر دقیق جرم‌، ممانهای اینرسی‌، مشتقات پایداری و ک...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

متن کامل

پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه شان و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید. در صورتی که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت ها را پیش بینی نمود و پس از آن با علت یابی و استفاده از روش های حل مسئله به اصلاح امور شرکت ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه های فیزیکی ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مهندسی عمران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023