HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ
Lọc theo danh mục
liên kết website
Lượt truy cập
Lượt truy cập :
22,563,656
- Công bố khoa học và công nghệ Việt Nam
67
Vật liệu xây dựng
BB
Huynh Phuong Nam, Tran Le Anh Duc, Phan Hoang Nam, Nguyen Minh Hai, Phan Da Thao, Nguyễn Minh Hải(1)
Phát triển mô hình dự đoán dựa trên mạng nơ-ron nhân tạo cho cường độ liên kết của thanh FRP trong bê tông
Development of an artificial neural network based-prediction model for bond strength of FRP bars in concrete
Tạp chí Khoa học Giao thông vận tải
2024
4
1502-1517
1859-2724
Thanh polyme gia cường sợi (FRP) đã thu hút sự chú ý ngày càng tăng trong những năm gần đây do khả năng chống ăn mòn vượt trội, mang đến giải pháp tiềm năng cho nhược điểm đáng kể của sự ăn mòn thép trong bê tông. Để sử dụng rộng rãi các thanh FRP trong các kết cấu bê tông, việc xác định cường độ liên kết giữa các thanh FRP và bê tông là một chủ đề quan trọng. Nghiên cứu này tìm cách phát triển một mô hình dự đoán để ước tính cường độ liên kết của các thanh FRP trong bê tông, sử dụng một tập dữ liệu mở rộng từ 1010 thử nghiệm kéo ra. Ban đầu, nghiên cứu đánh giá khả năng áp dụng của một số công thức cường độ liên kết từ các quy tắc hiện có. Sau đó, hai mô hình dự đoán, cụ thể là mô hình hồi quy tuyến tính đa biến và mô hình mạng nơ-ron nhân tạo (ANN), được giới thiệu để ước tính cường độ liên kết của các thanh FRP trong bê tông. Kết quả cho thấy mối tương quan giữa các giá trị đánh giá của các công thức hiện có và giá trị thực nghiệm là rất thấp. Điều này là do các công thức này vẫn chưa được cập nhật để bao gồm phạm vi sử dụng mở rộng của các thanh FRP với nhiều phương pháp xử lý bề mặt và loại bê tông khác nhau. Mặc dù mô hình hồi quy tuyến tính đa biến vượt trội hơn các công thức này, nhưng độ chính xác của nó vẫn tương đối thấp; ngược lại, ANN cho thấy hiệu suất vượt trội, đạt giá trị R^2 cho cả bộ xác thực và thử nghiệm lớn hơn 0,92. Những phát hiện này nhấn mạnh rằng, khi xem xét phạm vi ứng dụng rộng hơn, ANN đóng vai trò là công cụ mạnh mẽ để dự đoán chính xác cường độ liên kết của thanh FRP trong bê tông, so với các công thức truyền thống và mô hình hồi quy tuyến tính
Fiber-reinforced polymer (FRP) bars have garnered increasing attention in recent years due to their superior corrosion resistance, offering a potential solution to the significant drawback of steel corrosion in concrete. For the widespread utilization of FRP bars in concrete structures, determining the bond strength between FRP bars and concrete is a crucial topic. This study seeks to develop a prediction model to estimate the bond strength of FRP bars in concrete, utilizing an extended dataset f-rom 1010 pull-out tests. Initially, the study evaluates the applicability of several bond strength formulas f-rom existing codes. Subsequently, two prediction models, namely a multivariate linear regression model and an artificial neural network (ANN) model, are introduced for estimating the bond strength of FRP bars in concrete. The results indicate that the correlation between the evaluation values of existing formulas and the experimental value is very low. This is because these formulas have not yet been up-dated to encompass the expanded usage scopes of FRP bars with various surface processing methods and types of concrete. While the multivariate linear regression model outperforms these formulas, its accuracy is still relatively low; in contrast, the ANN demonstrates superior performance, achieving an R^2 value for both the validation and test set of more than 0.92. The findings highlight that, when considering a broader range of applications, the ANN serves as a robust tool for accurately predicting the bond strength of FRP bars in concrete, in comparison to traditional formulas and linear regression models. This assessment approach provides engineers with a convenient, high-precision tool for designs utilizing various forms of FRP bars and diverse types of concrete in practical design scenarios
TTKHCNQG, CVv 287
Xem toàn văn