این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جاده، جلد ۳۳، شماره ۱۲۴، صفحات ۱۸۷-۲۰۶
عنوان فارسی حداقل‌سازی مقدار قیر بکار رفته در مخلوط آسفالت به کمک مدل شبیه سازی- بهینه سازی با استفاده از LINGO
چکیده فارسی مقاله از مهم‌ترین ویژگی‌هایی که در طرح اختلاط آسفالت مورد توجه قرارمی‌گیرد، مقاومت مارشال آسفالت می‌باشد. پایین بودن مقدار مقاومت مارشال آسفالت باعث پایین آمدن کارایی آن و ایجاد مشکلاتی از جمله خستگی و ترک‌ها می‌شود. با توجه به تاثیر زیاد مقدار قیر در مقاومت فشاری آسفالت و هزینه بالای آن، هدف اصلی از طرح مخلوط آسفالت های گرم، انتخاب بهینه ترین مقدار قیر است؛ به طوری که بتواند مشخصات فنی بتن آسفالتی را در حدود مشخص حفظ کند. با توجه به هزینه‌های سنگین آسفالت و نگهداری آن، ضرورت استفاده از روش‌های جدید و پیشرفته‌تر در طرح و کنترل کیفی آسفالت روز به روز محسوس‌تر می‌شود. در این تحقیق، در ابتدا اطلاعات 160 نمونه آزمایشگاهی بتن آسفالتی از آزمایشگاه مکانیک خاک استان مازندران تهیه شد و سپس بوسیله شبکه عصبی مصنوعی، مقاومت فشاری آسفالت با دقت خوب مدلسازی شد. در ادامه، مقدار قیر بهینه برای 4 حالت مختلف سنگدانه با کمک نرم افزار بهینه سازی LINGO بدست آمد. نتایج نشان دادند که دانه بندی مناسب تاثیری زیادی در پایین آمدن مقدار قیر مصرفی و در نتیجه، کاهش هزینه آسفالت دارد.
کلیدواژه‌های فارسی مقاله مقاومت فشاری آسفالت،شبکه عصبی مصنوعی،بهینه سازی،lingo،
عنوان انگلیسی A Simulation-Optimization Model to Minimize the Bitumen of Asphalt Mixture Using LINGO
چکیده انگلیسی مقاله One of the most important features considered in asphalt mixing design is the Marshall strength of asphalt. A low Marshall strength of asphalt reduces its efficiency and causes problems such as fatigue and cracks. Given the high impact of bitumen content on the compressive strength of asphalt and its high cost, the main goal of hot asphalt mix design is to select the most optimal bitumen content so that it can maintain the technical specifications of asphalt concrete within certain limits. Given the high costs of asphalt and its maintenance, the need to use new and more advanced methods in asphalt design and quality control is becoming more and more apparent. In this study, initially, information on 160 asphalt concrete laboratory samples was obtained from the Soil Mechanics Laboratory of Mazandaran Province, and then the compressive strength of asphalt was successfully and accurately modeled using an artificial neural network. Subsequently, the optimal bitumen content was obtained for 4 different aggregate conditions with the help of LINGO optimization software. The results showed that proper grading has a significant impact on reducing the amount of bitumen used and, consequently, the cost of asphalt.
کلیدواژه‌های انگلیسی مقاله مقاومت فشاری آسفالت,شبکه عصبی مصنوعی,بهینه سازی,lingo
نویسندگان مقاله محسن عموزاده عمرانی |
گروه مهندسی عمران، واحد سوادکوه، دانشگاه آزاد اسلامی، سوادکوه، ایران

رضوان باباگلی |
استادیار، گروه مهندسی عمران، دانشگاه علم و فناوری مازندران، بهشهر، ایران

امیر ایزدی |
استادیار، دانشکده فنی مهندسی، دانشگاه شمال، آمل، ایران

علی حسن نژاد اسفندانی |
دانشجوی دکتری، گروه مهندسی عمران، واحد آیت الله آملی، دانشگاه آزاد اسلامی، آمل، ایران

نشانی اینترنتی https://road.bhrc.ac.ir/article_220990_ae0318ed224bb10e6f288e4b227435eb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات