ارائه مدل شیارشدگی مخلوط آسفالتی اصلاح‌شده پلیمری با استفاده از شبکه عصبی مصنوعی

Abstract

شیارشدگی یکی از مهم‌ترین خرابی‌های ایجادشده در روسازی‌های آسفالتی می‌باشد که علاوه بر کاهش عمر خدمت‌دهی روسازی، خطرات جدی را برای استفاده‌کنندگان از راه ایجاد می‌کند. بنابراین مدل‌سازی رفتار شیارشدگی مخلوط‌های آسفالتی اهمیت بالایی دارد و در صورت تعیین مدل مناسب می‌توان از تولید آسفالت با احتمال بالای شیارشدگی در مرحله طراحی جلوگیری کرد. هدف از این تحقیق تعیین تأثیر رده عملکردی قیر پایه، درصد های مختلف پلیمر SBS، دما، تعداد سیکل بارگذاری و درصد فضای خالی بر مقاومت شیارشدگی مخلوط‌های آسفالتی با بررسی رفتار خزشی و استفاده از مدل شبکه عصبی می‌باشد. نتایج این تحقیق نشان داد، استفاده از پلیمر و قیر PG64-22 موجب کاهش کرنش تجمعی و بهبود مقاومت شیارشدگی روسازی می‌شود و با افزایش درصد پلیمر، عملکرد مخلوط آسفالتی در برابر شیارشدگی بهبود می‌یابد و بهترین مقاومت مربوط به نمونه حاوی 6 درصد پلیمر با قیر PG64-22 می‌باشد. همچنین، با افزایش سیکل بارگذاری تغییر شکل‌های دائمی ایجادشده در روسازی به شکل قابل‌توجهی افزایش‌یافته است و از مقاومت مخلوط در برابر شیارشدگی کم می‌شود. این در حالی است که افزودن پلیمر با عملکرد مناسب و مثبت موجب کاهش این نرخ شده است و روند کاهش مقاومت و افزایش خزش مخلوط‌های آسفالتی را بهبود می‌بخشد. نتایج بخش مدل‌سازی نشان داد، مدل شبکه عصبی ازنظر پیش‌بینی رفتار خزشی و مقاومت شیارشدگی مخلوط‌های آسفالتی اصلاح‌شده پلیمری عملکرد بسیار خوبی دارد.

Keywords

• مخلوط‌های آسفالتی
• قیر پلیمری
• شیارشدگی
• شبکه عصبی
• مدل پیشبینی