The prediction of prismatic beam behaviours with polypropylene fiber addition under high temperature effect through ANN, ANFIS and fuzzy genetic models


ALTUN F. , DİRİKGİL T.

COMPOSITES PART B-ENGINEERING, cilt.52, ss.362-371, 2013 (SCI İndekslerine Giren Dergi) identifier identifier

Özet

Betona, mekanik özelliklerini iyileştirmek ve yangına dayanıklı duruma getirebilmek amacıyla, farklı oran ve tiplerde lif katılmaktadır. Lif malzemesi olarak, çelik veya plastik esaslı polipropilen lif (PP) tercih edilmektedir. Beton içerisindeki lifin homojen dağılmaması, yüksek sıcaklık etkisinde mekanik özelliklerinin kesin bir şekilde belirlenmesini zorlaştırmaktadır. Bu durum deneysel veriler arasında ilişki kurulmasını güçleştirmektedir. İstenilen ilişkinin kurulabilmesi için bir öğrenme mekanizmasına ihtiyaç vardır. Bu çalışmanın önemi, beton karışımlarına F19 ve M12 tipi PP’ler katılarak, toplam 216 adet 150x300 mm silindir ve 216 adet 150x150x750mm prizmatik kiriş numune üretilmiştir. Numuneler yüksek sıcaklık etkisine maruz bırakılarak, lif katkılı prizmatik kiriş elemanların enerji yutma kapasiteleri deneysel olarak belirlenmiş ve geliştirilen model ile değerlerinin tahmini deneysel verilere bağlı olarak yapılmıştır. Çalışmada çok katmanlı yapay sinir ağı, bulanık mantık ve fuzzy-genetik model kullanılmıştır. Öngörülen modeller, hedef değerlerle sonuç değerler arasında güçlü bir korelasyon sağlayarak, hedef değer büyüklüklerine göre küçük hata değerleri ile tahmin yapılmasında başarılı olmuştur. Deneysel veriler ile modellerin çıkarımları karşılaştırıldığında, oluşturulan fuzzy-genetik model çok katmanlı yapay sinir ağı ve bulanık mantık modellerine göre, davranışının tanımlanabileceği başarılı bir aralıkta sonuç vermiştir.

Fibers of different kinds in various proportions are added to the concrete in order to improve its mechanical properties and make it resistant to fires. Steel or plastic based polypropylene fibers (PP) are preferred as fiber stuff. An inhomogeneous distribution of fiber in the concrete makes it difficult to accurately determine its mechanical characteristics under high temperature effect. This complicates establishing correlations between experimental data. A training mechanism is needed to establish the desired correlation. The significance of this study is that F19 and M12 type PPs were added to concrete mixtures and 216 pieces cylinders sized 150x300 and 216 pieces prismatic beam specimens sized 150x150x750 mm were produced in total. The specimens were exposed to high temperature effect and their energy absorption capacity was experimentally determined. Moreover, with the model developed, the prediction of the values was made depending on the experimental data. In this study, multi-layered artificial neural network, fuzzy logic and fuzzy genetic models were used. The predicted models provided a strong correlation between the target values and result values and they were successful in predicting with small error values according to target value magnitudes. When the experimental data and the inferences of the models are compared, the fuzzy-genetic model yielded results in a more successful range by which behaviours can be defined than the multi layered artificial neural network and fuzzy logic models.