Geri Dön

Material model calibration of fiber reinforced concrete using deep neural network

Derin sinir ağı kullanılarak lif takviyeli beton malzeme modeli kalibrasyonu

  1. Tez No: 823531
  2. Yazar: YONCA YAŞAYANLAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SELÇUK SAATCI, DOÇ. DR. TAHİR KEMAL ERDEM
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İzmir Yüksek Teknoloji Enstitüsü
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2015

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BEYZA TAŞKIN AKGÜL

  2. 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

    İngilizce

    2002

    İnşaat MühendisliğiBoğaziçi Üniversitesi

    Psikoloji Ana Bilim Dalı

    PROF. DR. GÜLAY ALTAY

  3. 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

    Türkçe

    2023

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BERRAK TEYMÜR

  4. 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

    Türkçe

    2017

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BARIŞ ERKUŞ

  5. 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

    İngilizce

    2016

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN YÜKSEL