Material model calibration of fiber reinforced concrete using deep neural network
Derin sinir ağı kullanılarak lif takviyeli beton malzeme modeli kalibrasyonu
- Tez No: 823531
- Danışmanlar: DR. ÖĞR. ÜYESİ SELÇUK SAATCI, DOÇ. DR. TAHİR KEMAL ERDEM
- Tez Türü: Doktora
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Fiber takviyeli beton yapıların sayısal modellemesi, normal betona göre daha zordur. Normal beton için uygun olan malzeme modellerinin çoğu, fiber takviyeli beton malzemenin yüksek çekme kapasitesini ve arttırılmış sünek davranışını hesaba katamaz. Bu çalışmada, fiber takviyeli beton yapılarının modellenmesi için basit ve etkili bir malzeme modeli kalibrasyon yöntemi önerilmiştir. Bunun için LS-DYNA'daki normal beton malzeme modeli olan Karagozian ve Case (K&C) malzeme modeli seçilmiştir. Fiber takviyeli betonun sünek doğasını yansıtabilecek çekme davranışıyla ilgili K&C parametreleri, çekme yumuşatması davranışını yansıtacak şekilde kalibre edilmiştir. Kalibrasyon işlemi, iki farklı fiber takviyeli beton karışımının direk çekme testi sonuçları kullanılarak gerçekleştirilmiştir. Ayrıca, LS-DYNA ile direk çekme gerilimi altında tek eleman sayısal modelleri oluşturulmuştur. Bir veri tabanı oluşturmak amacı ile K&C'nin çekme parametreleri geniş bir aralıkta değiştirilmiştir. Veri tabanı, oluşturulan Derin Sinir Ağı'ndan geçirilip deneysel tek eksenli test sonuçlarına en iyi uyan K&C parametrelerini bulunmuştur. Önerilen metodoloji statik ve yüksek şekil değiştirme yükleme koşulları altında test edilmiş ve sonuçlar deneysel bulgularla karşılaştırılmıştır. Derin Sinir Ağı tarafından elde edilen parametrelerin performansının kabul edilebilir olduğu bulunmuştur. Sonuçlar, Derin Sinir Ağı ile kalibre edilen parametrelerin, statik ve dinamik şekil değiştirme yükleme koşulları altında fiber takviyeli beton yapılarının davranışını doğru bir şekilde tahmin edebildiğini göstermiştir.
Özet (Çeviri)
The numerical modeling of fiber reinforced concrete (FRC) structures is quite challenging due to the material's heterogeneous and anisotropic nature. The majority of material models that are suitable for regular concrete are not able to account for the FRC material's increased tensile capacity and ductility. In this study, a calibration method is proposed that is simple and effective for modeling FRC structures using a selected concrete material model. The Karagozian and Case (K&C) material model in LS-DYNA is capable of representing the ductile nature of FRC, and its parameters related to tensile behavior were calibrated to reflect the tensile-softening behavior. The calibration process was executed using the uniaxial direct tension test results of two different FRC mixtures. In addition, single element numerical models were constructed using LS-DYNA under uniaxial tension. The tensile parameters of K&C were varied over a wide range using single elements to form a database. Then, a Deep Neural Network (DNN) was constructed to pass the database through and find the K&C parameters that best matched the experimental uniaxial test results. The proposed methodology was tested under static and high-strain rate loading conditions, and the results were compared to the experimental findings. The performance of the DNN-achieved parameters was found to be satisfactory. The results showed that the DNN-calibrated parameters were able to accurately predict the behavior of FRC structures under static and dynamic loading conditions.
Benzer Tezler
- Mevcut betonarme okul binalarında güçlendirme perdelerinin etkinliğinin doğrusal olmayan dinamik analiz ile irdelenmesi
Investigation of the rc infill wall effectiveness in the rehabilitation of existing rc school buildings employing nonlinear dynamic analyses
ORKUN GÖRGÜLÜ
Doktora
Türkçe
2015
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEYZA TAŞKIN AKGÜL
- Fiber reinforced plastic overlay retrofit of hollow clay tile masonry infilled reinforced concrete frames
Delikli tuğla dolgu betonarme çerçevelerin fiber esaslı kompozit yaygılarla güçlendirilmesi
KEMAL BURAK HANOĞLU
Doktora
İngilizce
2002
İnşaat MühendisliğiBoğaziçi ÜniversitesiPsikoloji Ana Bilim Dalı
PROF. DR. GÜLAY ALTAY
- Zemine gömülü boruların sismik etkiler altındaki davranışının numerik analizler ile incelenmesi
Investigation of the behavior of buried pipelines under seismic loading by numerical analysis
İREM TOPRAK GÜLNERGİZ
Yüksek Lisans
Türkçe
2023
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERRAK TEYMÜR
- Python ve Julia programlarının doğrusal olmayan deprem analizleri ve paralel programlamaya uygunluklarının araştırılması
Applicability of Python and Julia languages to nonlinear seismic analysis of structures and parallel programing
BARIŞ KASAPOĞLU
Yüksek Lisans
Türkçe
2017
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BARIŞ ERKUŞ
- An adaptive modal pushover analysis procedure to evaluate the earthquake performance of high-rise buildings
Yüksek binaların deprem performansının değerlendirilmesi için bir uyarlamalı itme analizi yöntemi
MELİH SÜRMELİ
Doktora
İngilizce
2016
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN YÜKSEL