BETONUN KIRILMASINDA ÇİFT-K YAKLAŞIMININ YAPAY SİNİR AĞLARIYLA MODELLENMESİ

Abstract

Çatlamış bir yapı en iyi kırılma mekaniği prensipleri kullanılarak analiz edilebilir. Kırılma mekaniğine göre herhangi bir yapıyı analiz edebilmek için ise, ilk önce malzemenin kırılma parametrelerinin bilinmesi gerekir. Yapılan deneysel çalışmalar, betonun kırılma parametreleri üzerine beton basınç mukavemeti, su/çimento oranı, maksimum agrega çapı ve agrega tipinin etkili olduğu tespit edilmiştir. Betonun kırılma parametrelerini belirlemek için şartnameler ve araştırmacılar tarafından birçok lineer olmayan kırılma mekaniği modelleri önerilmektedir. Çift-K modeli, beton yapılarda kırılmayı modellemek için başlangıç gerilme şiddet çarpanı K_Ic^ini ve kritik gerilme şiddet çarpanı K_Ic^un gibi iki parametre kullanmaktadır. Yöntemin diğer kırılma modellerinden en önemli farkı, diğer kırılma modellerinde sadece çatlağın ani gelişimini dikkate alan parametreler ile beton yapılar modellenirken, Çift-K yönteminde buna ilave olarak çatlağın yayılmaya başlama kriterini de dikkate almasıdır Yapay Sinir Ağları (YSA) yaklaşımı kullanmanın ana faydası ağın deneysel verilerle kendi kendine organize yeteneğini kullanarak inşa olmasıdır. Sunulan kırılma modeli literatürde bulunan farklı 193 gürültülü test verileri kullanılarak farklı laboratuvarlarda yapılan test datalarından geliştirilmiştir. Çalışmada betonun malzeme parametreleri; agrega tipi, maksimum agrega çapı, betonun basınç mukavemeti, su/çimento oranı ve malzemenin geometrik parametresi başlangıç çatlak boyu (a_0) ile etkili çatlak boyu a_e ve Çift-K modelindeki başlangıç gerilme şiddet çarpanı faktörü K_Ic^ini kırılma parametreleri arasında yapay sinir ağları tabanlı bir ilişki kurulması amaçlanmıştır. Sonuçların uygulanabilir ve umut verici olduğu görülmüştür. Anahtar Kelimeler: Beton, Kırılma Mekaniği, Çift-K Modeli, Yapay Sinir AğlarıA cracked building can only be analyzed the best way utilizing the principals of fracture mechanics. To analyze a concrete a structure according to fracture mechanics, fracture parameters of cementitious material must be determined. Experimental studies have shown that fracture parameters of concrete are particularly influenced by the four material parameters compressive strenght, maximum aggregate size, water-cement ratio and aggregate type. Many non-linear fracture models have been proposed by design codes and investigators to determine fracture parameters of concrete. To characterize failure of concrete structures, the Double-K Model needs two fracture parameters: the unstable stress intensity factor K_IC^unand the initiation stress intensity factor K_Ic^ini. The most important difference from the other models of fracture method, on the other fracture models, taking into account not only the development of the sudden crack of concrete structures modeled with parameters, in addition to double-K method is that it takes into account the criteria of the crack initiation to spread. The main benefit of using an Artificial Neural Network (ANN) approach is that the network is built directly on experimental data by using the self-organizing capabilities of the ANN. The presented fracture model was developed by utilising 193 noisy test data taken from the literature, which were obtained via different test methods in different laboratories. In the study of the concrete material parameters; aggregate type, maximum aggregate size (dmax), compressive strength of concrete (f_c), water-cement ratio (w/c) geometric parameters of material; the initial crack length (a_0) and the effective crack length (a_e) and the initiation stress intensity factor K_Ic^ini in double-K model is to establish a relationship based on artificial neural networks. The results of an ANN-based ECM look viable and very promising. Key words: Concrete, Fracture Mechanics, Double-K Model, Artificial Neural Networks