کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6712907 1428729 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Measurement of reinforcement corrosion in concrete adopting ultrasonic tests and artificial neural network
ترجمه فارسی عنوان
اندازه گیری خوردگی تقویت شده در بتن با اتخاذ تست های اولتراسونیک و شبکه های عصبی مصنوعی
کلمات کلیدی
خوردگی تقویت کننده، بتن آرمه، آزمون غیر مخرب، شبکه های عصبی مصنوعی،
ترجمه چکیده
تحقیقات محدود در آزمایش و اندازه گیری سطح خوردگی تقویت با استفاده از تست های غیر مخرب انجام شده است. این تحقیق به منظور تشخیص و پیش بینی آسیب ناشی از خوردگی یکنواخت میلگرد در اعضای بتن مسلح، از آزمایشهای غیر مخرب مبتنی بر اولتراسونیک و شبکه عصبی مصنوعی استفاده شده است. سرعت التراسونیک با استفاده از منشورهای بتن مسلح قبل و بعد از خوردگی میلگرد مورد آزمایش قرار گرفت. پارامترهای ورودی از جمله مقاومت بتن، سرعت اولتراسونیک و متغیر مربوط به ابعاد نمونه برای پیش بینی سطح خوردگی تقویت پذیری مدل های شبکه عصبی مصنوعی استفاده شده است. با استفاده از 50 مشاهدات تجربی، مدل مبتنی بر تابع مبتنی بر شعاع با دقت بیشتری در پیش بینی سطوح خوردگی در مقایسه با مدل مبتنی بر عقب تولید یافت. این مطالعه منجر به تحقیق آینده در اندازه گیری غیرمخرب با دقت بالا از خوردگی تقویت کننده بتن می شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
اندازه گیری خوردگی تقویت شده در بتن با اتخاذ تست های اولتراسونیک و شبکه های عصبی مصنوعی
چکیده انگلیسی
Limited research has been performed in testing and measuring the reinforcement corrosion levels using non-destructive tests. This research applied ultrasonic-based non-destructive test and artificial neural network to the diagnosis and prediction of rebar's non-uniform corrosion-induced damage within reinforced concrete members. Ultrasonic velocities were tested by applying ultrasonic to reinforced concrete prisms before and after the rebar corrosion. Input parameters including concrete strength, ultrasonic velocity, and the specimen dimension-related variable were used for the prediction of reinforcement corrosion level adopting artificial neural network models. Using totally 50 experimental observations, Radial Basis Function-based model was found with higher accuracy in predicting corrosion levels compared to Back Propagation-based model. This study leads to future research in high-accuracy non-destructive measurement of reinforcement corrosion in concrete.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Construction and Building Materials - Volume 177, 20 July 2018, Pages 125-133
نویسندگان
, ,