21800

21800

مدل رياضي تعيين درصد قير بهينه بر اساس دانه بندي مصالح سنگدانه اي بتن آسفالتي داغ

دكتري

راه و ترابري

98-99

1398/04/16

دكتر علي منصورخاكي

عمران

طرح اختلاط مخلوطهاي آسفالتي مستلزم ساخت نمونه هاي متعدد آزمايشگاهي با درصد قيرهاي متفاوت و انجام محاسبات در آزمايشگاه است. نتايج بدست آمده آزمايشگاهي با توجه به تغيير در خصوصيات فيزيكي سنگدانه ها در مراحل توليد تا پخش آسفالت نياز ساخت نمونه هاي كنترلي دوره اي را ايجاب مي نمايد. به جهت كثرت ساخت نمونه هاي آسفالتي در كارگاههاي اجرايي و انجام آزمايشهاي متعدد، جايگزيني روشهاي رايج امري اجتناب ناپذير خواهد بود. در اين مطالعه تلاش شده است تا با ايجاد رابطه ميان متغيرهاي موثر بر درصد قير بهينه به روابطي دست يابيم كه بتوان با انجام كارهاي آزمايشگاهي بسيار كمتر به نتيجه برسيم. براي دسترسي به اين روابط فرض كرديم درصد قير بهينه تابعي از شكل، اندازه و سطح ويژه سنگدانه ها و پارامترهاي ديگري است كه در روابط بعلت اثر كمتر وارد نشده اند. براي اينكه اين فرض را به اثبات برسانيم معادلات لازم را تشكيل داديم. براي اين منظور با تفكيك مصالح سنگي به سه بخش درشت دانه، ريزدانه و فيلر به تعيين اندازه متوسط مصالح سنگي و سطح ويژه آنها پرداخته شده است. با توجه به اينكه جذب قير مصالح سنگي و همچنين تعيين درصد اختلاط مصالح سنگي با اندازه دانه هاي مختلف در ميزان قير مورد نياز مخلوطهاي آسفالتي حائز اهميت است، مقادير هر يك از اين پارامترها براي معادن مختلف با مشخصات سنگدانه هاي متفاوت در آزمايشگاه تعيين شده است. در نهايت با تعيين مقادير عددي هر يك از پارامترهاي مذكور و ساخت مدلهاي آماري حاصل از رگرسيون در نرم افزار spss به معادلات خطي دست يافتيم كه درصد قير بهينه را به صورت تابعي از اندازه متوسط مصالح سنگي، جذب قير و وزن مخصوص ويژه مخلوط و سطح ويژه مصالح بدست مي دهد كه در فصل آخر ارائه شده است. اين معادلات ارتباط ميزان قير بهينه مخلوطهاي آسفالتي را بر اساس خصوصيات مصالح سنگي بيان مي كند. بطوريكه با درصد قير روش مارشال و سوپرپيو براي مصالح بيندر و توپكا، نتايج مشابهي را نشان مي دهد.

1398/09/16

The Mathematical Model of Determining the Optimum Bitumen Content Based On the Aggregate Properties of Hot Mix Asphalt

7/6/2020 12:00:00 AM

The mixing design of asphalt mixes requires the manufacture of multiple laboratory samples with different bitumen percentages and calculations in the laboratory. Laboratory results Due to changes in the physical properties of aggregates during the production process to asphalt dispersion, the need for periodic control samples is required. Because of the multiplicity of asphalt samples used in the workshops and the conduct of numerous experiments, it is inevitable to replace common methods. In this study, we tried to find relationships between variables affecting the optimum bitumen percentage, which can be achieved with much less laboratory work. To achieve these relationships, we assumed that the optimum bitumen percentage was a function of the shape, size, and specific surface area of the aggregates and other parameters that were not included in the relationships due to less effect. We established the necessary equations to prove this assumption. For this purpose, by separating the stone materials into three sections, coarse grains, fine grains and fillers, the average size of the stone materials and their specific surface area were determined. As bitumen adsorption of rock materials as well as determination of the percentage of mixing of rock aggregates with different grain sizes are important in the amount of bitumen required for asphalt mixes, the values of each of these parameters have been determined for different mines with different aggregate characteristics in the laboratory. Finally, by determining the numerical values of each of these parameters and constructing statistical models from regression in spss software, we obtained linear equations that determine the optimum bitumen percentage as a function of average rock material size, bitumen adsorption and specific gravity and specific gravity. Specifically the materials that are presented in the last chapter. These equations express the correlation of the optimum bitumen content of the asphalt mixtures based on the properties of the rock material. As with the bitumen percentage of Marshall and Superpave method for Binder and Topka aggregates, results show similar results.