بررسی پایداری قیرهای پلیمری حاوی نانو ذرات و تخمین استحکام مارشال مخلوط‌های آسفالتی با استفاده از شبکه عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

2 دانشجوی دکترای عمران، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

3 استادیار

چکیده

باوجود مزیت‌های فراوان قیرهای پلیمری مانند مقاومت بیشتر در برابر شیارشدگی و خستگی، این قیر در هنگام ذخیره‌سازی در دمای بالا دچار جدا شدن فاز قیر و پلیمر می‌شود و با توجه به رفتار پیچیده مخلوط‌های آسفالتی، پیش‌بینی عملکرد مخلوط‌های آسفالتی در این حالت سخت می‌باشد. لذا هدف از این تحقیق ایجاد پایداری در قیرهای پلیمری اصلاح‌شده با نانو ذرات و ایجاد مدلی جهت پیش‌بینی استحکام مارشال مخلوط‌های آسفالتی با استفاده از شبکه عصبی مصنوعی می‌باشد. هجده نوع نمونه قیری با ترکیب قیر خالص 70-60 با پلیمر استایرن-بوتادین-استایرن، نانو ذرات اکسید آلومینیوم و اکسید منیزیم آماده گردید و آزمایش پایداری بر روی آن‌ها انجام شد. سپس نمونه‌های مارشال ساخته و استحکام مارشال نمونه‌های مخلوط آسفالتی در دمای 60 درجه سانتی‌گراد اندازه‌گیری شد. در مدل شبکه عصبی مصنوعی، میزان قیر، میزان پلیمر، میزان نانو ذرات اکسید آلومینیوم، میزان نانو ذرات اکسید منیزیم، وزن و ارتفاع نمونه به‌عنوان پارامترهای لایه ورودی و استحکام مارشال به‌عنوان پارامتر لایه خروجی مشخص گردید و مناسب‌ترین الگوریتم و تعداد نرون‌ها در لایه پنهان تعیین شد. بر اساس نتایج آزمایشگاهی و مدل شبکه عصبی نتیجه گرفته شد که می‌توان از شبکه عصبی مصنوعی به‌عنوان روشی دقیق برای پیش‌بینی استحکام مارشال قیرهای پلیمری حاوی نانو ذرات استفاده کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigation of the Storage Stability of polymer modified bitumen containing nanoparticles and estimation of the Marshall Stability of asphalt mixtures using artificial neural network

نویسندگان [English]

  • Gholamali Shafabakhsh 1
  • mohammadreza Aliakbari Bidokhti 2
  • Hassan Divandari 3
1 Faculty of Civil Engineering, Semnan University, Semnan, Iran
2 Faculty of Civil Engineering, Semnan University, Semnan, Iran
3 Islamic Azad University
چکیده [English]

Despite the many advantages of polymer modified bitumen, such as greater resistance to rutting and fatigue, during storage at high temperatures, the separation of the bitumen and polymer phase will occur and due to the complex behavior of asphalt mixtures, predicting the performance of asphalt mixtures is difficult. Therefore, this study aimed to create stability in polymer modified bitumen with nanoparticles and give a model for predicting the Marshall stability of asphalt mixtures using artificial neural networks. 18 types of bitumen samples are prepared with a combination of AC 60/70 bitumen with SBS polymer and aluminum oxide and magnesium oxide nanosized particles and storage stability test has been carried out. Marshall samples were made and the marshall stability of the asphalt mixture samples measured at 60 ° C. In the ANN model, the amount of bitumen, the amount of SBS, the amount of AL2O3 nanoparticles, the MgO nanoparticles, the sample weight, the sample height were the parameters for the input layer where the Marshall stability was the parameter for the output layer. The most appropriate algorithm and the number of neurons in the hidden layer are determined. Based on the experimental results and the neural network model was concluded that ANN can be used as an accurate method to predict the Marshall stability of polymer modified bitumen containing nanoparticles.

کلیدواژه‌ها [English]

  • Marshall Stability
  • SBS
  • Nanoparticles
  • Storage stability
  • Artificial Neural Network