-
شماره ركورد
21288
-
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
21288
-
پديد آورنده
علي منيري
-
عنوان
ارائه مدل پيشبيني مقاومت مخلوط هاي بازيافتي در برابر تركخوردگي با درصدهاي مختلف الياف و تراشه آسفالت
-
مقطع تحصيلي
دكتري تخصصي
-
رشته تحصيلي
راه و ترابري
-
سال تحصيل
1393
-
تاريخ دفاع
1398/7/15
-
استاد راهنما
دكتر حسن زياري
-
استاد مشاور
دكتر محمدرضا محمد عليها
-
دانشكده
عمران
-
چكيده
امروزه با توجه به كمبود منابع انرژي، نقش اقتصادي و زيستمحيطي استفاده مجدد از خرده مصالح بازيافتي آسفالت بر كسي پوشيده نيست. استفاده از تراشههاي آسفالت بازيافتي از ديرباز در دستور كار پژوهشگران و فعالين زمينه روسازي راه قرار داشته است. با اين وجود استفاده از درصدهاي بالا تراشه آسفالت موجب كاهش مقاومت ترك خوردگي اين مخلوطها خواهد شد. مسلح كردن آسفالتهاي بازيافتي با الياف براي جبران اين نقيصه راهكار مناسبي به نظر ميرسد. لذا در اين مطالعه سعي بر اين بوده است كه با استفاده از اليافهاي تركيبي مقاومت تركخوردگي آسفالتهاي بازيافتي بهبود داده شود. براي اين كار آسفالتهاي بازيافتي حاوي 25، 50، 75 و 100 درصد تراشه آسفالت يك بار با 0.06، 0.12 و 0.18 درصد الياف تركيبي پليالفين- شيشه و يك بار با 0.025، 0.05 و 0.075 درصد الياف پلي الفين-آراميد ساخته شد و در سه دماي 15-، 0 و 15 درجه سانتيگراد مورد آزمايش شكست قرار گرفت. پارامتر انرژي شكست تا لحظه بار بيشينه به عنوان معيار مقاومت ترك خوردگي تا لحظه شكست پارامتر انرژي شكست پس از بار بيشينه به عنوان معيار مقاومت در برابر گسترش ترك مورد استفاده قرار گرفتند. نتايج حاكي از آن بود كه در دماهاي منفي مشكلي از بابت مقاومت ترك خوردگي مخلوطهاي بازيافتي وجود ندارد. در دماهاي مياني و مثبت استفاده از تراشه آسفالت تا حد زيادي موجب كاهش مقاومت تركخوردگي مخلوطهاي بازيافتي ميشود. مقاومت در برابر شروع ترك به صورت كامل با استفاده از اليافهاي تركيبي قابل جبران است. مقاومت در برابر گسترش ترك نيز در دماهاي 0 و 15 درجه سانتيگراد با استفاده از بيش از 25 درصد تراشه آسفالت افت شديدي ميكند كه استفاده از الياف ها و عليالخصوص الياف پلي الفين-آراميد تا ميزان 50 درصد از مقاومت كاسته شده را جبران ميكند. پارامترهاي انرژي شكست تا لحظه بار بيشينه و انرژي شكست كل براي هر دو نوع مخلوط حاوي درصدهاي مختلف تراشه آسفالت بهخوبي توسط مدلهاي رگرسيون، شبكه عصبي مصنوعي و مدل ANFIS قابل پيشبيني هستند.
-
تاريخ ورود اطلاعات
1398/08/21
-
عنوان به انگليسي
A model for predicting crack resistance of asphalt mixtures containing different percentages of fiber and reclaimed asphalt.
-
تاريخ بهره برداري
10/6/2020 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
علي منيري
-
چكيده به لاتين
Escalating the price of asphalt binder and environmental issues have led to an increasing desire to use high amounts of reclaimed asphalt pavement (RAP) material in asphalt mixtures. However, increasing the RAP content may have negative effects on some characteristics of asphalt mixtures, such as cracking resistance. Therefore, finding an approach to compensate for the negative impacts of RAP material may be considered as a solution to raise the RAP content in asphalt mixtures. Fibers are known as one of the modifiers that are added directly to the mixtures and enhance the cracking resistance of asphaltic materials. Therefore, in this study, the cracking behavior of asphalt mixtures containing different percentages of RAP material in combination with glass fibers was investigated using the semi-circular bending (SCB) fracture tests at temperatures of -15, 0 and 15℃. The results showed that using up to 0.12% glass fiber leads to a significant enhancement in resistance of all mixtures against crack initiation and propagation. Moreover, it was found that the negative impact of RAP material on crack resistance of asphalt mixtures is reversible to a great extent using 0.12% glass fiber, and 100% RAP mixtures are applicable without any significant reduction in crack resistance. The significance of artificial neural networks (ANN), adaptive neuro-fuzzy inference system (ANFIS) and multiple regression for modeling the crack resistance of asphalt mixtures containing different percentages of reclaimed asphalt pavement (RAP) and glass fiber was investigated. All investigated models were appropriate for predicting the cracking behavior of fiber reinforced recycled asphalt mixtures. Nevertheless, the level of correlation was much higher for the ANN approach than the multiple regression model.
-
لينک به اين مدرک :