مهندسی عمران مدرس، جلد ۲۰، شماره ۳، صفحات ۱-۱۲
عنوان فارسی بهینه سازی طرح اختلاط بتن خودتراکم الیافی حاوی پلی پروپلین با استفاده از الگوریتم های فرا ابتکاری ژنتیک و جستجوی کلاغ
چکیده فارسی مقاله در سالیان اخیر استفاده از بتن محتوی الیاف بعنوان یک ماده­ی ساختمانی مهم و با خواص مکانیکی مناسب جهت ساخت و ساز انواع سازه­ها استفاده می­شود. هدف اصلی در این تحقیق، طراحی بتن توانمند خودتراکم الیافی با استفاده از الگوریتم­های فرا ابتکاری با پیاده­سازی در نرم افزار متلب می­باشد. برای بهینه­سازی مبتنی بر راهکار­های فرا ابتکاری، الگوریتم جستجوی کلاغ (CSA) و الگوریتم ژنتیک (GA) به عنوان راهکارپردازشی محاسباتی توسعه داده داده شده است. برای این منظور، 67 طرح اختلاط بتن خودتراکم الیافی شامل آب (2/137 – 195 کیلوگرم بر مترمکعب)، سیمان (5/325 – 520 کیلوگرم بر مترمکعب)، درشت دانه (722 – 920 کیلوگرم بر مترمکعب)، ریزدانه (9/804 – 960 کیلوگرم بر مترمکعب)، نانوسیلیس (0 – 6/49 کیلوگرم بر مترمکعب)، درصد حجمی الیاف (0 – 9/0 درصد)، پودرسنگ آهک (0 – 9/288 کیلوگرم بر مترمکعب) و فوق روان کننده (75/1 – 5/10 کیلوگرم بر مترمکعب) برای طراحی مخلوط بهینه مورد استفاده قرار گرفت. در این مطالعه برای فرموله شدن مسئله بهینه­سازی، تابع هدف مقاومت فشاری بتن برپایه روش رگرسیون چندگانه خطی توسعه داده شد. همچنین قید­های بررسی شده در این مطالعه نسبت مقادیر طرح اختلاط و حجم مطلق مقادیر طرح اختلاط برای طراحی مخلوطی با مقاومت بهینه و مقرون به صرفه به عنوان محدودیت­های تکنولوژیکی از فاکتور­های آزمایشگاهی تولید بتن مورد توجه قرار گرفته است. پیاده­سازی الگوریتمیک روش­های فرا ابتکاری در محدوده 30 – 7/88 مگاپاسکال تا رسیدن به مخلوط با مقادیر بهینه ادامه پیدا کرده و در نهایت 5 نمونه از مخلوط بهینه توسعه داده شده با استفاده از الگوریتم­های CSA و GA جهت بررسی قابلیت و بهره­وری الگوریتم­ها گزارش گردید. نتایج ارائه شده در این مطالعه نشان داده است که عملکرد الگوریتم CSA با محدوده خطای میانگین 38/3 – 49/14 درصد در مقایسه با الگوریتم GA با محدوده خطای میانگین 95/7 – 52/15 نتایج قابل توجه در دقت و همگرایی جواب­ها ارائه نموده است. از این­رو می­توان به این نتیجه رسید که الگوریتم­های مورد استفاده به عنوان ابزار قابل اطمینان در حل مسایل بهینه­سازی در مسایل مهندسی بویژه تکنولوژی بتن قابل توجه می­باشد.
کلیدواژه‌های فارسی مقاله بتن خودتراکم الیافی،پلی پروپیلن،بهینه سازی،الگوریتم ژنتیک،الگوریتم جستجوی کلاغ
عنوان انگلیسی Optimization of Mixture Proportions of Self-compacted Fiber Reinforced Concrete incorporating Polypropylene using Genetic and Crow search Algorithms
چکیده انگلیسی مقاله The utilization of concrete Incorporating with fibers is one of the proper issues of construction industry in last years. The main focus of this research to design a high performance self-compacted fiber reinforced concrete (SCFRC) by using an evolutionary algorithm, which is implemented in MATLAB. Crow Search Algorithm (CSA) and Genetic Algorithm (GA) are statistical ways which are developed by optimization based meta-heuristic solutions. A total of 67 concrete mixtures were considered by varying the levels of key factors affecting concrete strength of concrete, namely, water content (137.2-195 kg/m3), cement content (325.5-520 kg/m3), coarse aggregate content (722-920 kg/m3), fine aggregate content (804.9-960 kg/m3), nano silica content (0-49.6 kg/m3),percentage of volumetric of fibers (0-0.9 %), lime stone powder content (0-288.9 kg/m3) and superplasticizer content (1.75-10.5 kg/m3) were developed to design optimized mixture proportions. The objective function called maximizing concrete strength was formulated as an optimization problem on the basis of Multiple Linear Regression (MLR) method. The constrains including ratio of mixture proportions and absolute volume of mixture design were utilized to obtain an optimal-strength and cost-effective design. The concrete technological constraints were identified as the factors of experimental design for concrete production. The evolutionary implementation of results reached incorporating mixture proportions having strengths in range of 30 - 88.7 MPa. Five numerical examples for optimum mixture design of SCFRC were considered to evaluate the capability and efficiency of CSA and GA algorithm. These results were compared and concluded that CSA (3.38-14.49 % of mean error) performed better than GA (7.95-15.52 % of mean error) for this application. Also, the proposed evolutionary CSA and GA algorithms are found to be reliable and robustness tools to solve and optimize engineering and concrete technological problem.
کلیدواژه‌های انگلیسی مقاله Self-Compacted Fiber Reinforced Concrete,Polypropylene,Optimization,Genetic Algorithm,Crow Search Algorithm
نویسندگان مقاله محمدجواد طاهری امیری | MOHAMMAD JAVAD TAHERI AMIRI
Assistant Professor, Department of Civil Engineering, Higher Education Institute of Pardisan
استادیار گروه عمران موسسه آموزش عالی پردیسان فریدونکنار

علی اشرفیان | Ali Ashrafian
MSc in Civil Engineering, Tabari University of Babol
کارشناس ارشد موسسه آموزش عالی طبری بابل

جواد برنجیان | Javad Berenjian
Assistant professor, Babol University of Technology
استادیار گروه عمران دانشگاه صنعتی نوشیروانی بابل

فاطمه اصغری تیلکی | Fatemeh Asghari Tilaki
MSc student in Civil Engineering, Tabari University of Babol
دانشجوی کارشناسی ارشد عمران موسسه آموزش عالی طبری بابل

نشانی اینترنتی http://mcej.modares.ac.ir/browse.php?a_code=A-10-28269-2&slc_lang=fa&sid=16
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده پژوهشی اصیل (کامل)
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات