ارایه مدل پیش بینی پتانسیل شیارشدگی مخلوط های آسفالتی با استفاده از پارامترهای حاصل از طرح اختلاط مارشال و بررسی تاثیر این پارامترها بر عدد روانی
محل انتشار: پنجمین کنگره ملی مهندسی عمران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,022
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE05_106
تاریخ نمایه سازی: 12 آبان 1388
چکیده مقاله:
شیارشدگی فرورفتگیهای طولی ای هستند که در مسیر عبور چرخ وسایل نقلیه ایجاد میشوند. شیارشدگی عمر خدمتدهی روسازی را کاهش داده و با تحت تاثیر قرار دادن خصوصیات کنترلی وسایل نقلیه، خطرات جدی را برای استفاده کنندگان از راه ایجاد میکند. لذا بررسی این پدیده در مخلوطهای آسفالتی حائز اهمیت است. از سوی دیگر روش طرح اختلاط مارشال یکی از پرکاربردترین رویکردهای ساخت مخلوطهای آسفالتی بوده و بهعنوان روش اصلی ساخت آسفالت در کشور ایران شناخته میشود. از آنجاییکه از یک سو، روش طرح اختلاط مارشال شاخص معینی برای کنترل شیارشدگی ارایه نمیدهد و از سوی دیگر مطالعات چندانی در خصوص شیارشدگی در ایران صورت نگرفته است، از این رواین تحقیق تلاش میکند که مطالعه نسبتاً جامعی را در زمینه ارتباط طرح اختلاط مارشال و پتانسیل شیارشدگی مخلوطهای آسفالتی به عمل آورد.در این راستا در این مقاله با تکیه بر فعالیت آزمایشگاهی و ساخت بیش از 250 نمونهی آسفالتی- به روش مارشال- و با انجام آزمایشهای استحکام مارشال و خزش دینامیکی- که خروجی آن عدد روانی نام داشته و شاخصی است برای تعیین پتانسیل شیارشدگی مخلوطهای آسفالتی- ضمن ارایه مدلی جهت پیشبینی پتانسیل شیارشدگی مخلوطهای آسفالتی، نسبت به بررسی تاثیر پارامترهای حاصل از روش مارشال بر عدد روانی اقدام میگردد. مدل نهایی از بین بیش از 300 مدل مورد آزمایش، برگزیده شده و دقت قابل قبولی را در پیشبینی عدد روانی نشان میدهد.
کلیدواژه ها:
نویسندگان
محمود عامری
دانشیار دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
فریدون مقدس نژاد
استادیار دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر
محمدرضا میرزاحسینی
فارغ التحصیل کارشناسی ارشد مهندسی راه و ترابری، دانشگاه علم و صنعت ای
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :