Abstract
Using externally bonded carbon fiber-reinforced polymer (FRP) for strengthening has been turned into a popular decision owing to its mechanical leads. Consequently, design guidelines and researchers have established several analytical equations to predict the contribution of FRP to ultimate shear capacity. The developed analytical equations projected the influence of FRP reinforcements within certain limits. However, not mentioned parameters such as the shear span-to-depth ratio and anchorage application influence the ultimate behavior of strengthened specimens. Accordingly, distant predictions between test results and code predictions are observed for the specimens in whom anchorage is applied. As an alternative method, artificial neural network (NN) can be used to predict the contribution of anchoraged carbon FRP to shear strength of deficient reinforced concrete beams. Accordingly, two NN models with back-propagation are developed in this study. Unlike the existing design codes, the model considers the effect of anchorage and the shear span-to-depth ratio at the ultimate state. Artificial NN model is trained, validated and tested using the literature of 79 reinforced concrete beams. Then, NN results are compared with those ‘theoretical’ predictions calculated directly from International Federation for Structural Concrete, the American guideline (ACI 440.2R) and the Australian guideline. Within all theoretical predictions of design guidelines, fib14 provided the best predictions according to experimental results. Consequently, 25% of fib14 predictions are within ±10% of the experimental results, and also, 65% of the fib14 predictions are within ±25% of the measured values. Besides, executed comparisons indicated that the NN model is more exact than the guideline equations with respect to the experimental results and can be applied effectively within the range of parameters covered in this study
خلاصه
استفاده از پیوند خارجی با پلیمر فیبر کربن تقویت شده (FRP) برای افزایش مقاومت به یک تصمیم رایج تبدیل شده است. در نتیجه، محققان و دستورالعمل های طراحی، معادلات تحلیلی را برای پیش بینی مشارکت FRP تا ظرفیت برشی نهایی ایجاد کرده اند. معادلات تحلیلی توسعه داده شده، تاثیر تقویت FRP در محدوده خاصی را طرح ریزی می کنند. با این حال، پارامترهای ذکر نشده مثل نسبت برش دهانه به عمق و لنگرگاه، بر روی رفتار نهایی نمونه های تقویت شده تاثیر می گذارد. بر این اساس، پیش بینی بین نتایج آزمایش ها و پیش بینی های آیین نامه ای برای نمونه هایی که در آنها لنگرگاه اعمال شده بود، مشاهده شده است. به عنوان یک روش جایگزین، شبکه عصبی مصنوع (NN) می تواند برای پیش بینی مشارکت FRP کربن مهار شده برای مقاومت برشی تیرهای بتنی مسلح استفاده شود. بر این اساس، دو مدل NN با پس انتشار در این مطالعه توسعه داده شده است. بر خلاف آیین نامه های طراحی موجود، مدل، اثر لنگرگاه و نسبت برشی دهانه به عمق در حالت نهایی را در نظر می گیرد. مدل NN مصنوعی با استفاده از ادبیات 79 تیر بتن مسلح، آموزش، اعتبار و آزمون داده شده است. سپس، نتایج NN با پیش بینی های تئوریکِ محاسبه شده توسط فدراسیون بین المللی سازه های بتنی، دستورالعمل(ACI 440.2R) آمریکا و دستورالعمل استرالیا مقایسه شده است. در تمام پیش بینی های تئوریک، دستورالعمل های طراحی، fib14 بهترین پیش بینی را با توجه به نتایج تجربی ارائه کرده است. در نتیجه، 25 درصد از پیش بینی های fib14، 10٪± نتایج تجربی هستند، و همچنین، 65 درصد از پیش بینی های fib14، 25٪± مقادیر اندازه گیری شده می باشند. علاوه بر این، مقایسه های انجام شده نشان داد که مدل NN با توجه به نتایج تجربی دقیقتر از معادلات دستورالعمل است و می تواند به طور موثر در طیف وسیعی از پارامترهای تحت پوشش در این مطالعه مورد استفاده قرار گیرد.
1-مقدمه
پلیمرهای تقویت شده با الیاف (FRP) با توجه به ویژگی های مکانیکی برتر خود، امکان نوآورانه ای را برای توانبخشی سازه های بتن مسلح (RC) فراهم می کند. پیوند خارجیFRP برای تقویت ستون ها، تیرها، دال ها، دیوارهای برشی، تونل ها، شاهتیر پل ها و مفاصل تیر ستون در سراسر جهان انتخاب شده است (کوبایاشی، 2005؛ سیدنی، 2006؛ ال مدداوی و سودکی، 2008؛ السید و همکاران، 2010؛ دی لودویکو و همکاران، 2010؛ تنرسلن2010). به منظور اثبات موفقیت استفاده از FRP، تحقیقات زیادی انجام شده است. این مطالعات نشان داده اند که کامپوزیت های FRP افزایش مقاومت بیشتری را سازه ها ارائه می دهد که در این سطح نمی توان این افزایش مقاومت را نادیده گرفت...