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

شیارشدگی یکی از مهم ترین خرابی های ایجادشده در روسازی های آسفالتی می باشد که علاوه بر کاهش عمر خدمت دهی روسازی، خطرات جدی را برای استفاده کنندگان از راه ایجاد می کند. بنابراین مدل سازی رفتار شیارشدگی مخلوط های آسفالتی اهمیت بالایی دارد و در صورت تعیین مدل مناسب می توان از تولید آسفالت با احتمال بالای شیارشدگی در مرحله طراحی جلوگیری کرد. هدف از این تحقیق تعیین تاثیر رده عملکردی قیر پایه، درصد های مختلف پلیمر SBS، دما، تعداد سیکل بارگذاری و درصد فضای خالی بر مقاومت شیارشدگی مخلوط های آسفالتی با بررسی رفتار خزشی و استفاده از مدل شبکه عصبی می باشد. نتایج این تحقیق نشان داد، استفاده از پلیمر و قیر PG۶۴-۲۲ موجب کاهش کرنش تجمعی و بهبود مقاومت شیارشدگی روسازی می شود و با افزایش درصد پلیمر، عملکرد مخلوط آسفالتی در برابر شیارشدگی بهبود می یابد و بهترین مقاومت مربوط به نمونه حاوی ۶ درصد پلیمر با قیر PG۶۴-۲۲ می باشد. همچنین، با افزایش سیکل بارگذاری تغییر شکل های دائمی ایجادشده در روسازی به شکل قابل توجهی افزایش یافته است و از مقاومت مخلوط در برابر شیارشدگی کم می شود. 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 مخلوط های آسفالتی را بهبود می بخشد. نتایج بخش مدل سازی نشان داد، مدل شبکه عصبی ازنظر پیش بینی رفتار خزشی و مقاومت شیارشدگی مخلوط های آسفالتی اصلاح شده پلیمری عملکرد بسیار خوبی دارد.

کلیدواژه ها:

مخلوط های آسفالتی ، قیر پلیمری ، شیارشدگی ، شبکه عصبی ، مدل پیشبینی