روشهای طراحی و مدیریت جدید برای خواص بتن تازه
امروزه ، طراحی و تولید مخلوط بتن تقریباً منحصراً به رویکردهای قطعی متکی است. این بدان معنی است که فرآیند طراحی مخلوط نوسانات در خصوصیات مواد اولیه را در نظر نمی گیرد. همچنین تغییرات در حین تولید و ریخته گری را در نظر نمی گیرد. به همین ترتیب ، هنوز هیچ رویکرد کافی برای پاسخگویی دقیق و مطمئن به چنین تغییراتی در طی فرآیند تولید بتن ، و مدیریت و تنظیم مخلوط متناسب با آن ، ایجاد نشده است. تحقیق ارائه شده در این مقاله بر روی تکنیک های قادر به گرفتن خصوصیات مواد از اوایل مراحل تولید و حمل و نقل (به عنوان مثال در طول فرآیند مخلوط کردن) و همچنین بر روی مدل های خودآموز و الگوریتم های نرم افزاری است که مخلوط بتن را توسط از جمله مواد افزودنی همچون چسب بتن و روان کننده ها در طراحی (رویکرد 1). در همان زمان ، این تحقیق سعی دارد روشهایی را برای اجرای فرآیند طراحی آمیزه مبتنی بر آمار توسعه دهد (رویکرد 2).
رویکرد 1: ایمنی و قابلیت اطمینان فعال با مدیریت و کنترل فرایند تولید بتن در صنعت پیش ساخته با تکرار درجه بسیار بالایی مشخص می شود ، به همین دلیل این صنعت کاملاً مناسب استفاده از روش های مبتنی بر هوش مصنوعی (AI) است. با این حال ، چنین روشهایی به یک پایگاه داده بسیار بزرگ نیاز دارند که در حالت ایده آل ، بصورت ایده آل بصورت مداوم به روز می شود. با این وجود ما هنوز روشهایی برای جذب خصوصیات بتن در طول تولید و مدیریت و کنترل آنها در صورت نیاز نداریم. به همین دلیل است که انستیتوی مصالح ساختمانی در دانشگاه لایب نیتس هانوفر با همکاری یک کنسرسیوم صنعت به طور مشترک سیستم های حسگری را تولید می کند که خصوصیات بتن (تازه) را بطور واقعی در زمان واقعی جذب می کند. سپس داده های جمع آوری شده در این فرآیند به یک الگوریتم خودآموز تعیین می شود که نسبت مواد سازنده مخلوط را با هدف تنظیم مخلوط به مقادیر مشخص شده تعیین می کند. روش های اندازه گیری توصیف شده همچنین می توانند برای نظارت بر خصوصیات بتن (تازه) در محل ساخت و ساز استفاده شوند (شکل را ببینید) ، و بنابراین می توانند به طور یکپارچه در محیط مدل سازی اطلاعات ساختمان ادغام شوند.
رویکرد 2: ایمنی و قابلیت اطمینان غیرفعال توسط استحکام فرایند طراحی مخلوط باید با استفاده از الگوهای تغییر قبلا ثبت شده به منظور شناسایی ترکیب مخلوطی که بالاترین مقاومت ممکن را در پاسخ به تغییرات پیش بینی شده فراهم می کند در حالی که هنوز از مشخصات مشخص شده از نظر جریان رکود اطمینان دارد ، مقاومت و غیره. با توجه به این روش ، مقاومت بتن (به عنوان مثال ضریب تغییر ، به عنوان مثال در رابطه با رکود) از قبل در مرحله طراحی مخلوط تعیین می شود ، نه اینکه برای تعیین کمیت فعل و انفعالات ، تجزیه و تحلیل جامع انجام شود بین پارامترهای نوسان به عنوان بخشی از اولیه است
برنامه تست.
در این مقاله ، مروری اجمالی بر روی هر دو روش مبتنی بر روش آماری مبتنی بر طراحی آمیزه و اصول هوش مصنوعی ، که با قوانین فیزیک ترکیب شده اند ، ارائه شده است.
- ۹۹/۱۱/۰۹