Dự báo khả năng chịu lực còn lại của dầm bê tông cốt thép bị ăn mòn dựa trên mô hình mạng nơ ron hồi quy tổng quát

Chỉ số đề mục

67

Lĩnh vực nghiên cứu

Vật liệu xây dựng

Dạng tài liệu

Tác giả

Đặng Vũ Hiệp, Vũ Hoàng Hiệp, Nguyễn Ngọc Tân⁽¹⁾, Nguyễn Ngọc Phương

Nhan đề

Dự báo khả năng chịu lực còn lại của dầm bê tông cốt thép bị ăn mòn dựa trên mô hình mạng nơ ron hồi quy tổng quát

Nhan đề tiếng anh

Prediction of the residual strength capacity of corroded reinforced concrete beams based on generalized regression neural network (GMN) model

Nguồn trích

Tạp chí Khoa học Kiến trúc & Xây dựng

Năm xuất bản

2022

Số

45

Trang

108-111

ISSN

1859-350X

Từ khóa

Ăn mòn, Dầm bê tông cốt thép, Mạng nơ ron hồi quy tổng quát, Khả năng chịu lực

Từ khóa tiếng anh

Corrosion, Reinforced concrete beam, Generalized regression neural network (GRNN), Loading capacity

Tóm tắt

Nghiên cứu này tập hợp số liệu thực nghiệm từ 123 dầm bê tông cốt thép bị ăn mòn cốt thép dọc từ các tài liệu đã công bố trước đây có cập nhật đến năm 2020. Các dầm chịu uốn bị ăn mòn bởi phương pháp thúc đẩy ăn mòn bằng dòng điện. Khả năng chịu lực của dầm bị ăn mòn được dự báo bằng cách sử dụng mạng nơ ron hồi quy tổng quát (GRNN). Các tham số ảnh hưởng đến khả năng chịu lực coi như biến độc lập đầu vào, trong khi biến phụ thuộc đầu ra là khả năng chịu lực (mô men uốn giới hạn). Mô hình mạng nơ ron đề xuất cho phép dự báo khả năng chịu uốn của dầm bê tông cốt thép bị ăn mòn có xét đến thời gian và tỷ lệ ăn mòn cốt thép. Kết quả dự báo được so sánh với các kết quả thực nghiệm cho thấy mô hình có độ chính xác cao

Tóm tắt tiếng anh

This study gathered the experimental data from 123 reinforced concrete (RC) beams with corroded longitudinal reinforcement from previous studies up to 2020. The flexural beams were electrochemically corroded by the accelerated corrosion method. The load-carrying capacity of corroded beams has been predicted using a generalized regression neural network (GRNN). The parameters affecting the capacity are considered as independent input variables, while the output variable is the ultimate bending moment of the beam. The proposed neural network model allows for predicting the flexural capacity of corroded RC beams taking into account the time and corrosion degree of steel reinforcement. The predicted results indicate that the proposed model has high accuracy compared to the experimental results.

Kí hiệu kho

TTKHCNQG, CVt 69

File toàn văn

Xem toàn văn