دانشجو: آقای امان اله کردی
استاد راهنما: دکتر سید حسین حسینی لواسانی
استاد راهنما: دکتر پیمان همامی
زمان: ۲۹ آذر ماه ۱۴۰۴ ساعت: ۰۹:۳۰
مکان: دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده:
بتن بهعنوان مادهای نیمهترد و پرکاربرد، در برابر بارگذاریهای چندمحوره، چرخهای و دینامیکی رفتارهای پیچیده، ناهمگن و بهشدت غیرخطی از خود نشان میدهد؛ رفتارهایی که مدلهای کلاسیک مبتنی بر پلاستیسیته، آسیب یا شکست، تنها بخشی از آنها را توصیف میکنند و قادر به بازنمایی یکپارچه فرآیندهای ترکخوردگی، نرمشوندگی، خردشدگی و کاهش سختی نیستند. این رساله با هدف ارائه چارچوبی جامع برای مدلسازی رفتار بتن و مصالح شبهترد، یک قانون مشخصه سهبعدی (EPFD) ارائه میکند که بر پایه یک تابع پتانسیل نوین و قابل تعمیم بنا شده و قادر است معیارهای تسلیم شناختهشدهای چون دراکر–پراگر، منترای–ویلیام و اوتوسن را در قالب هندسهای هموار، محدب و مشتقپذیر بازتولید کند. مدل توسعهیافته با در نظرگرفتن همزمان پلاستیکشدگی، تکامل آسیب و مکانیک شکست، امکان شبیهسازی دقیق سختشوندگی، نرمشوندگی، تغییرشکلهای غیرخطی و رفتار پسگسیختگی را فراهم کرده و با استفاده از الگوریتم بازگشت پایدار، قابلیت پیادهسازی مؤثر در نرمافزارهای اجزای محدود را دارد. اعتبارسنجی مدل با دادههای تجربی شامل آزمونهای فشاری تکمحوره، کششی غیرمستقیم، بارگذاریهای دومحوره و سهمحوره و آزمایشهای چرخهای نشان میدهد که چارچوب EPFD قادر است پاسخهای تنش–کرنش، ظرفیت باربری، رفتار پسقله و شاخصهای چقرمگی را با دقت بالا بازتولید کند. بهمنظور پشتیبانی تجربی از چارچوبهای پیشنهادی، برنامهای آزمایشگاهی گسترده شامل حدود ??? نمونه بتن معمولی، بتن مسلح به الیاف فولادی و بتن پرمقاومت اجرا شد. نتایج آزمایشگاهی نشان داد که رفتار فشاری بتن ماهیتی چندبعدی داشته و کرنشهای جانبی و تغییرات حجم نسبی نقش تعیینکنندهای در آغاز آسیب، نرمشوندگی پسقله و الگوی گسیختگی ایفا میکنند؛ یافتههایی که مبنای کالیبراسیون و اعتبارسنجی مدل مکانیکی EPFD و تولید داده برای بخش دادهمحور پژوهش قرار گرفتند. در بخش دادهمحور پژوهش، با هدف پیشبینی مقاومت فشاری ?? روزه بتن مسلح به الیاف فولادی، دو معماری یادگیری عمیق شامل شبکه حافظه طولانی–کوتاهمدت و شبکه کانولوشنی یکبعدی توسعه داده شد. این مدلها با استفاده از یک پایگاه داده گسترده شامل ویژگیهای اختلاط، مشخصات الیاف، نسبت آب به سیمان، دانهبندی و شرایط عملآوری، آموزش یافته و سپس به کمک الگوریتم فراابتکاری OTLBO از نظر ابرپارامترها بهینهسازی شدند. نتایج نشان داد مدلهای پیشنهادی توانایی دستیابی به دقت بسیار بالا با ضریب همبستگی بیش از ۰/۹۹ و RMSE حدود ? تا ? مگاپاسکال را دارند. تحلیل حساسیت نیز بیانگر آن بود که نسبت آب به سیمان و حجم الیاف تأثیرگذارترین عوامل بر مقاومت نهایی هستند. نوآوری اصلی رساله در ترکیب یک مدل مکانیکی مبتنی بر اصول فیزیکی و ترمودینامیکی با یک چارچوب دادهمحور مبتنی بر یادگیری عمیق است؛ رویکردی که نشان میدهد رویکردهای کاملاً مکانیکی و نه دادهمحور، بهتنهایی پاسخگوی پیچیدگی بتن نیستند، اما همافزایی آنها امکان شبیهسازی دقیق، پیشبینی سریع و تحلیل قابلاتکای رفتار بتن و بتنهای الیافی را فراهم میکند. دستاوردهای این پژوهش میتوانند مبنای بهبود تحلیل سازههای حساس مانند پلها، برجها، سازههای مقاوم در برابر زلزله و سدها قرار گرفته و در تدوین دستورالعملهای آینده برای مصالح نیمهترد تقویتشده با الیاف نقشآفرین باشند.
|