دوره 4، شماره 4 - ( 10-1401 )                   جلد 4 شماره 4 صفحات 12-1 | برگشت به فهرست نسخه ها

‎ 10.47176/sjfst.4.4.1

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Adimi A, Khaloo A R. Behavior of Concrete Slabs Reinforced with FRP Bars, Design and Analysis. sjfst 2022; 4 (4) :1-12
URL: http://sjfst.srpub.org/article-6-169-fa.html
ادیمی علیرضا، خالو امیررضا. رفتار دال های بتنی تقویت شده با میلگردهای FRP، طراحی و تحلیل. تحقیقات بنیادی علوم و تکنولوژی. 1401; 4 (4) :1-12

URL: http://sjfst.srpub.org/article-6-169-fa.html

رفتار دال های بتنی تقویت شده با میلگردهای FRP، طراحی و تحلیل
علیرضا ادیمی ، امیررضا خالو*
استاد گروه مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران.
چکیده:   (774 مشاهده)
در این تحقیق به منظور اطمینان از صحت شبیه سازی های عددی، شبیه سازی سه بعدی عددی دال بتنی یک طرفه تقویت شده با میلگردهای پلیمری تقویت شده با الیاف کششی (FRP) با استفاده از نرم افزار اجزا محدود Abaqus انجام شد. همچنین اثرات نوع میلگردهای FRP شامل پلیمرهای تقویت شده با الیاف کربن (CFRP) یا پلیمرهای تقویت شده با الیاف شیشه (GFRP) و همچنین میزان آنها (بسته به تعداد و قطر میلگردهای FRP) بر روی عمودی مورد ارزیابی قرار گرفت. همچنین ظرفیت باربری وسط دال های بتنی. طی شبیه‌سازی عددی سه‌بعدی دال تقویت‌شده با میلگردهای FRP کششی و فشاری، تأثیر استفاده همزمان از آن‌ها (در مقایسه با استفاده تنها از میلگردهای FRP) بر ظرفیت باربری عمودی در وسط دال با با توجه به مقاومت فشاری بتن دال مورد ارزیابی قرار گرفت. در نهایت، شبیه سازی عددی دال تقویت شده با فولاد کششی و میلگردهای FRP برای بررسی اثر ترکیبی آنها، در مقایسه با استفاده از تنها میلگردهای FRP، بر ظرفیت باربری در وسط دال انجام شد. نتایج به‌دست‌آمده نشان داد که ظرفیت باربری عمودی دال تقویت‌شده با میلگردهای کششی CFRP بسیار بیشتر از میلگردهای تقویت‌شده با میلگردهای کششی GFRP است. علاوه بر این، ظرفیت باربری عمودی دال بتنی تقویت شده با میلگردهای کششی FRP با تعداد و قطر میلگردهای کششی FRP افزایش یافت. از طرفی کاهش مقاومت فشاری دال بتنی یک طرفه باعث کاهش ظرفیت باربری دال بتنی تقویت شده با میلگردهای FRP شد. استفاده همزمان از میلگردهای کششی و فشاری FRP تأثیر قابل توجهی در افزایش ظرفیت باربری دال های بتنی به ویژه آنهایی که مقاومت فشاری بالایی دارند، نداشت. در همین حال، ترکیب فولاد کششی و میلگردهای FRP ظرفیت باربری عمودی دال را افزایش داد.
واژه‌های کلیدی: دال بتن آرمه، میلگردهای FRP، ظرفیت باربری عمودی دال، روش اجزای محدود، نرم افزار آباکوس
متن کامل [PDF 490 kb]   (243 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مهندسی عمران و سازه
دریافت: 1401/6/24 | ویرایش نهایی: 1401/8/26 | پذیرش: 1401/9/14 | انتشار: 1401/10/4
فهرست منابع
1. Neves RLP, et al. Post-harvesting silvicultural treatments in canopy logging gaps: medium-term responses of commercial tree species under tending and enrichment planting. Forest Ecol Manag. 2019; 451: 117521. [DOI:10.1016/j.foreco.2019.117521]
2. Jiang C, et al. Failure mode-based calculation method for bending bearing capacities of normal cross-sections of corroded reinforced concrete beams. Eng Struct. 2022; 258: 114113. [DOI:10.1016/j.engstruct.2022.114113]
3. Ma H, et al. Failure mechanism and design method of reticulated shells considering joint damage accumulation effect under earthquake load. in Structures. Elsevier. 2022. [DOI:10.1016/j.istruc.2022.03.069]
4. Christensen RM. Mechanisms and measures for the ductility of materials failure. Proceedings of the Royal Society A. 2020; 476(2239): 20190719. [DOI:10.1098/rspa.2019.0719]
5. Fallah-Valukolaee S, Hashemi S, Nematzadeh M. Effect of steel fiber on flexural performance of bilayer concrete beams with steel and GFRP rebars: Experiments and predictions. Elsevier. Struct. 2022. [DOI:10.1016/j.istruc.2022.03.007]
6. Fu B, et al. Concrete reinforced with macro fibres recycled from waste GFRP. Construct Build Mater. 2021; 310: 125063. [DOI:10.1016/j.conbuildmat.2021.125063]
7. Reichenbach S, et al. A review on embedded fibre-reinforced polymer reinforcement in structural concrete in Europe. Construct Build Mater. 2021; 307: 124946. [DOI:10.1016/j.conbuildmat.2021.124946]
8. Shen Y, Sun J, Liang S. Interpretable machine learning models for punching shear strength estimation of FRP reinforced concrete slabs. Crystal. 2022; 12(2): 259. [DOI:10.3390/cryst12020259]
9. Law R, et al. Ecological information from spatial patterns of plants: insights from point process theory. J Ecol. 2009; 97(4): 616-628. [DOI:10.1111/j.1365-2745.2009.01510.x]
10. Geetha N, Bridjesh P. Overview of machine learning and its adaptability in mechanical engineering. Materials Today: Proceedings, 2020. [DOI:10.1016/j.matpr.2020.09.611] [PMID] [PMCID]
11. Zhou Y, et al. Improved finite difference analysis of dynamic responses of concrete members reinforced with FRP bars under explosion. Compos Struct. 2019; 230: 111518. [DOI:10.1016/j.compstruct.2019.111518]
12. Nigro E, et al. Guidelines for flexural resistance of FRP reinforced concrete slabs and beams in fire. Compos B Eng. 2014; 58: 103-112. [DOI:10.1016/j.compositesb.2013.10.007]
13. Shahnewaz M, et al. Optimized shear design equation for slender concrete beams reinforced with FRP bars and stirrups using genetic algorithm and reliability analysis. Eng Struct. 2016; 107: 151-165. [DOI:10.1016/j.engstruct.2015.10.049]
14. Chen SZ, et al. Development of data-driven prediction model for CFRP-steel bond strength by implementing ensemble learning algorithms. Construct Build Mater. 2021; 303: 124470. [DOI:10.1016/j.conbuildmat.2021.124470]
15. Mangalathu S, et al. Machine-learning interpretability techniques for seismic performance assessment of infrastructure systems. Eng Struct. 2022; 250: 112883. [DOI:10.1016/j.engstruct.2021.112883]
16. Nguyen HD, Truong GT, Shin M. Development of extreme gradient boosting model for prediction of punching shear resistance of r/c interior slabs. Eng Struct. 2021; 235: 112067. [DOI:10.1016/j.engstruct.2021.112067]
17. Mangalathu S, et al. Explainable machine learning models for punching shear strength estimation of flat slabs without transverse reinforcement. J Build Eng. 2021; 39: 102300. [DOI:10.1016/j.jobe.2021.102300]
18. Rahman A, et al. A machine learning framework for predicting the shear strength of carbon nanotube-polymer interfaces based on molecular dynamics simulation data. Compos Sci Tech. 2021; 207: 108627. [DOI:10.1016/j.compscitech.2020.108627]
19. Ilawe NV, Zimmerman JA, Wong BM. Breaking badly: DFT-D2 gives sizeable errors for tensile strengths in palladium-hydride solids. J Chem Theory Comput. 2015; 11(11): 5426-5435. [DOI:10.1021/acs.jctc.5b00653] [PMID]
20. Michaluk CR, et al. Flexural behavior of one-way concrete slabs reinforced by fiber reinforced plastic reinforcements. Struct J. 1998; 95(3): 353-365. [DOI:10.14359/552]
21. Abaqus Users Manual V. 6.10-1. Dassault Systemes Simulia Corp. Providence, RI, 2011.
22. Sheil D, Burslem DF, Alder D. The interpretation and misinterpretation of mortality rate measures. J Ecol. 1995; 331-333. [DOI:10.2307/2261571]
23. Rocha FR, et al. Multicommutation in flow analysis: concepts, applications and trends. Anal Chim Act. 2002; 468(1): 119-131. [DOI:10.1016/S0003-2670(02)00628-1]
24. Park R, Paulay T. Reinforced Concrete Structures, John Wiley & Sons. NY, USA, 1975. [DOI:10.1002/9780470172834]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.