تخمین ظرفیت برشی دیوار بنایی مقاوم سازی شده با ملات مسلح به الیاف با استفاده از روش ANN-GMDH

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

2 دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

3 دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

4 دانشجوی کارشناسی، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

چکیده

امروزه مواد پلیمری تقویت شده با الیاف (FRP) به عنوان یکی از سیستم های بهسازی رایج در سازه های موجود در نظر گرفته شده است. در مواردی مانند ناسازگاری این مصالح با ساختمان های تاریخی و میراث فرهنگی که در آن ها مصالحی نظیر FRP محدودیت هایی از خود بروز می دهند، نسل جدیدی از الیاف تقویت کننده ابداع شده است. پژوهشگران مصالح تقویت شده با الیاف (FRM) را به عنوان تقویت کننده های خارجی مورد بررسی قرار داده اند. یکی از مطلوب ترین کاربردهای این دسته از مصالح، به تقویت مقاومت برشی درون صفحه ای دیوارهای بنایی مربوط می‌شود. این تحقیق قصد دارد تا با مطالعه فرآیند و مکانیزم این مصالح، با استفاده از روش محاسبات نرم ANN-GMDH و با 48 داده آزمایشگاهی که بر روی دیوار بنایی مسلح شده با مصالح FRM کار شده است، رابطه ای را برای تخمین ظرفیت برشی این نوع دیوارها ارائه دهد. مدل پیشنهادی دارای ضریب همبستگی 0.95 است که نشان دهنده کارایی بالای مدل ارائه شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of the Shear Strength Capacity of Masonry Walls Improved with Fiber Reinforced Mortars (FRM) Using ANN-GMDH Approach

نویسندگان [English]

  • Hosein Naderpour 1
  • Pouyan Fakharian 2
  • Amir Hossein Rafiean 3
  • Ehsan Yourtchi 4
1 Associate Professor, Faculty of Civil Engineering, Semnan University, Semnan, Iran
2 Ph.D. Candidate, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
3 M.Sc. Student, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
4 B.S. Student, Faculty of Civil Engineering, Semnan University, Semnan, Iran
چکیده [English]

Fiber reinforced polymers (FRP) are one of the most commonly used materials for rehabilitation and retrofit of structures. In some cases like the improvement of ancient buildings, these materials do not play a good role and show some defect in their performance. Fiber Reinforced Mortars (FRM) is a new generation of reinforcing materials is invented as external structural and seismic reinforcement. One of the most desirable functions of this type of materials is related to the in-plane shear strength of masonry walls. This paper aims to propose a formula for estimating the shear strength capacity of this kind of walls by using computational intelligence methods, ANN-GMDH was used for this purpose. This approach used 48 experimental dataset results to propose a model to be able to predict the shear strength of FRM strengthened masonry. The proposed model has a correlation coefficient of 0.95, which represents the high efficiency of the model.

کلیدواژه‌ها [English]

  • Masonry shear wall
  • ANN-GMDH
  • FRM
  • Shear strength

مراجع

[1]       Masonry Standards Joint Committee (MSJC). Building code requirements for masonry structures. TMS 402-08, ACI 530-08, and ASCE 5-08 The Masonry Institute, Boulder, American Concrete Institute, ASCE, Farmington Hills, MI, Reston, VA; 2011.
[2]       CNR-DT 200 R1/2013. Guide for the design and construction of externally bonded FRP systems for strengthening existing structures. 2013.
[3]       FEMA 356. Prestandard and commentary for the seismic rehabilitation of buildings. 2000.
[4]       dei Ministri P del C. Primi elementi in materia di criteri generali per la classificazione sismica del territorio nazionale e di normative tecniche per le costruzioni in zona sismica. OPCM-3274 Gazzetta Ufficiale Della Repubblica Italiana 2003.
[5]       Babaeidarabad S, De Caso F, Nanni A. URM Walls Strengthened with Fabric-Reinforced Cementitious Matrix Composite Subjected to Diagonal Compression. Journal of Composites for Construction 2014;18:4013045. doi:10.1061/(ASCE)CC.1943-5614.0000441.
[6]       5628:2005 B. Code of practice for the use of masonry, mortarless masonry design manual part 1. 2005.
[7]       S304.1-04 CSA (CSA). Design of masonry structures. 2004.
[8]       6 E. Design of masonry structures, part 1-1: common rules for reinforced and unreinforced masonry structures. 2004.
[9]       (SANZ) SA of NZ. Code of practice for the design of masonry structures. NZS 4230:1990, Wellington, New Zealand, Parts 1 and 2; 1990.
[10]     Officials IC of B. Structural engineering design provisions. 1997.
[11]     Cascardi A, Micelli F, Aiello MA. Analytical model based on artificial neural network for masonry shear walls strengthened with FRM systems. Composites Part B: Engineering 2016;95:252–63. doi:10.1016/j.compositesb.2016.03.066.
[12]     Hossain MZ, Sohji I. A study on mechanical properties of cementitious composites with various recycled aggregates. Proceedings of 29th conference on our world in concrete & structures, 2004.
[13]     Corradi M, Borri A, Castori G, Sisti R. Shear strengthening of wall panels through jacketing with cement mortar reinforced by GFRP grids. Composites Part B: Engineering 2014;64:33–42. doi:10.1016/j.compositesb.2014.03.022.
[14]     Calderini C, Cattari S, Lagomarsino S. The use of the diagonal compression test to identify the shear mechanical parameters of masonry. Construction and Building Materials 2010;24:677–85. doi:10.1016/j.conbuildmat.2009.11.001.
[15]     Milosevic J, Bento R, Gago AS, Lopes M. Shear Tests on Rubble Stone Masonry Panels - Diagonal Compression Tests. 15th World Conferences on Earthquake Engineering (WCEE) 2012:10.
[16]     Naderpour H, Kheyroddin A, Amiri GG. Prediction of FRP-confined compressive strength of concrete using artificial neural networks. Composite Structures 2010;92:2817–29. doi:10.1016/j.compstruct.2010.04.008.
[17]     Ahmadi M, Naderpour H, Kheyroddin A. Utilization of artificial neural networks to prediction of the capacity of CCFT short columns subject to short term axial load. Archives of Civil and Mechanical Engineering 2014;14:510–7. doi:10.1016/j.acme.2014.01.006.
[18]     Kheyroddin A, Naderpour H, Ahmadi M. Compressive Strength of Confined Concrete in CCFST Columns. Journal of Rehabilitation in Civil Engineering 2014;2:71–80.
[19]     Naderpour H, Kheyroddin A, Ghodrati Amiri G, Hoseini Vaez SR. Estimating the behavior of FRP-strengthened RC structural members using artificial neural networks. Procedia Engineering 2011;14:3183–90. doi:10.1016/j.proeng.2011.07.402.
[20]     رضازاده عیدگاهی د, فاضل ف, نادرپور ح. انتخاب آرایش بهینه ی شبکه ی عصبی در تحلیل خاک های مخلوط با خرده لاستیک های بازیافتی 1394:105–11.
[21]     شفابخش غ, نادرپور ح, فصیحی ف. انتخاب الگوریتم بهینه شبکه عصبی در تحلیل روسازی های انعطاف پذیر راه ها. مدل سازی در مهندسی 1389:45–56.
[22]     نادرپور ح, وثوقی فر ح, قباخلو ا. ارزیابی پارامترهای موثر در تفرق امواج زلزله های دور از گسل به کمک شبکه های عصبی مصنوعی. مهندسی عمران 2016;32.2:13–23.
[23]     شفابخش غ, نادرپور ح, نوروزی ر. انتخاب الگوریتم بهینه شبکه عصبی مصنوعی برای تحلیل روسازی صلب راه ها. مهندسی حمل و نقل 1390:43–54.
[24]     نادرپور ح, فخاریان پ, حسینی ف. پیش‏بینی رفتار ستون‏های بتن‏آرمه دایروی شکل محصورشده با FRP به وسیله‏ی شبکه عصبی مصنوعی. هشتمین کنفرانس ملی بتن ایران, تهران: 1395. doi:10.13140/RG.2.2.11714.58568.
[25]     Naderpour H, Alavi SA. A proposed model to estimate shear contribution of FRP in strengthened RC beams in terms of Adaptive Neuro-Fuzzy Inference System. Composite Structures 2017;170:215–27. doi:10.1016/j.compstruct.2017.03.028.
[26]     حسینی واعظ سرا, نادرپور ح, براتی م. پیش‌بینی مقاومت خمشی تیرهای تقویت شده به روش NSM-FRP با استفاده از شبکه‌های عصبی مصنوعی. مهندسی سازه و ساخت 1395. doi:10.22065/jsce.2017.44332.
[27]     نادرپور ح, فخاریان پ. پیش‏ بینی مقاومت پیچشی تیرهای بتن ‏آرمه تقویت شده با FRP با استفاده از شبکه‏ های عصبی مصنوعی. نشریه مهندسی سازه و ساخت 2017. doi:10.22065/jsce.2017.70668.1023.
[28]     Madandoust R, Ghavidel R, Nariman-zadeh N. Evolutionary design of generalized GMDH-type neural network for prediction of concrete compressive strength using UPV. Computational Materials Science 2010;49:556–67. doi:10.1016/j.commatsci.2010.05.050.
[29]     Azimi A. GMDH-Network to Estimate the Punching Capacity of FRP-RC Slabs. Soft Computing in Civil Engineering 2017;1:86–92.
[30]     Babaeidarabad S, Caso F De, Nanni A. Out-of-Plane Behavior of URM Walls Strengthened with Fabric-Reinforced Cementitious Matrix Composite. Journal of Composites for Construction 2014;18:4013057. doi:10.1061/(ASCE)CC.1943-5614.0000457.
[31]     Micelli F, Sciolti M, Dudine A, Leone M, Aiello MA. Diagonal shear behaviour of masonry walls strengthened by FRM (fiber reinforced mortar) composites. 22nd International Conference on Composites/Nano Engineering (ICCE-22), Malta: 2014.
[32]     Gattesco N, Dudine A, Cernigoi A, Trevisan F. STUDIO DELL’EFFICACIA DEL SISTEMA DI RINFORZO DELLE MURATURE CON L’IMPIEGO DELLA RETE IN MATERIALE COMPOSITO FIBRORINFORZATO GFRP PRODOTTA DALLA DITTA FIBRENET DI UDINE - REPORT TECNICO N. 2. 2010.
[33]     Gattesco N, Dudine A, Cernigoi A, Trevisan F. STUDIO DELL’EFFICACIA DEL SISTEMA DI RINFORZO DELLE MURATURE CON L’IMPIEGO DELLA RETE IN MATERIALE COMPOSITO FIBRORINFORZATO GFRP PRODOTTA DALLA DITTA FIBRENET DI UDINE - REPORT TECNICO N. 3. 2010.
[34]     Gattesco N, Dudine A, Cernigoi A, Trevisan F. STUDIO DELL’EFFICACIA DEL SISTEMA DI RINFORZO DELLE MURATURE CON L’IMPIEGO DELLA RETE IN MATERIALE COMPOSITO FIBRORINFORZATO GFRP PRODOTTA DALLA DITTA FIBRENET DI UDINE - REPORT TECNICO N. 5. 2010.
[35]     Mantegazza G. RETROFITTING CONCRETE AND MANSONRY BUILDING: FRCM (FIBER REINFORCED CEMENTITIOUS MATRIX). XII Konferencja Naukowo-Techniczna Problemy Remontowe W Budownictwie Ogólnym i Obiektach Zabytkowych REMO, 2006, p. 313–20.
[36]     Balsamo A, Iovinella I. FRG strengthening systems for masonry building. NZSEE Conference, 2014.
[37]     Faella C, Martinelli E, Nigro E, Paciello S. Shear capacity of masonry walls externally strengthened by a cement-based composite material: An experimental campaign. Construction and Building Materials 2010;24:84–93. doi:10.1016/j.conbuildmat.2009.08.019.
[38]     Kadam SB, Singh Y. Mechanical Properties of Externaly Strengthened Masonry. 15th World Conference on Earthquake Engineering, Lisbon Portugal, 2012.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 14 تیر 1396
  • تاریخ بازنگری: 08 مرداد 1396
  • تاریخ پذیرش: 08 مرداد 1396

هم رسانی

ارجاع به این مقاله

آمار