CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تاثیر لجن سنگبری بر مقاومت فشاری ملات سیمان و تعیین نسبت های بهینه با الگوریتم ژنتیک

عنوان مقاله: تاثیر لجن سنگبری بر مقاومت فشاری ملات سیمان و تعیین نسبت های بهینه با الگوریتم ژنتیک
شناسه ملی مقاله: SETBCONF02_169
منتشر شده در دومین کنفرانس بین المللی پژوهش ها و دستاوردهای نو در علوم، مهندسی و فناوری های نوین در سال 1401
مشخصات نویسندگان مقاله:

مهرداد پورمند دهکردی - دانشجوی دکتری سازه، فنی و مهندسی، میبد، یزد، ایران
حسنعلی مسلمان یزدی - استادیار گروه عمران، دانشگاه آزاد اسلامی واحد میبد، یزد، ایران
محمدرضا مسلمان یزدی - استادیار گروه عمران، فنی و مهندسی، میبد، یزد، ایران

خلاصه مقاله:
با توجه به این که امروزه در صنعت ساخت و ساز مهمترین مسئله مقاومت و ایمنی سازه ها در برابر زلزله و بارهای وارد بر ساختمان می باشد لذا پیش بینی مقاومت مصالح به کار رفته در سازه از اهمیت ویژه ای برخوردار است. ملات سیمان یکی از رایج ترین ملات های ساختمانی است که مقاومت آن از اهمیت بسیار بالایی برخوردار است. اندازه گیری مقاومت ملات سیمان با استفاده از روش های آزمایشگاهی مقدور است که کاری بسیار وقت گیر و پر هزینه است به خصوص در موارد تحقیقاتی، از این رو استفاده از روش های نرم افزاری جدید بر پایه هوش مصنوعی و استفاده از الگوریتم های وراثتی در بهینه سازی نسبت ها و طرح های اختلاط می تواند بسیار کمک کننده و مفید واقع شود. گاهی اوقات به منظور بهبود بعضی از ویژگی های ملات سیمان از جمله زمان گیرش، کارایی، جمع شدگی و مقاومت یا به منظور کاهش مصرف سیمان و در نتیجه کاهش هزینه و آلودگی های زیست محیطی ناشی از تولید، مواد افزودنی به سیمان اضافه می شوند و یا جایگزین بخشی از آن می گردند. در این پروژه نتایج حاصل از آزمایش مقاومت فشاری ملات سیمان هنگام استفاده از ضایعات کارخانه های سنگبری با درصد های مختلف در ابتدا با روش های آزمایشگاهی اندازه گیری شده و سپس با استفاده از الگوریتم ژنتیک در نرم افزار متلب بهینه شده و نتایج حاصل با نتایج بدست آمده از آزمایش مقایسه شده اند. نتایج نشان داد که استفاده از الگوریتم ژنتیک جهت بهینه سازی نسبت های ضایعات سنگبری و سیمان مورد قبول می باشند.

کلمات کلیدی:
ملات، مقاومت فشاری، ضایعات، لجن سنگبری، الگوریتم ژنتیک

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1515477/