بهينه‌سازي اختلاط بتن محافظ نوترون حرارتي با استفاده از روش هاي هوش مصنوعي

چكيده سوخت هسته‌اي موجود در رآكتورهاي اتمي تشعشعات خطرناكي را از خود منتشر مي‌كنند كه به‌منظور جذب و حفاظت از آن‌ها از ديواره‌هاي بتني با ضخامت بالا استفاده مي‌شود. هرچه توانايي جذب اشعه توسط ديوار بتني بالاتر باشد ضخامت ديواره‌ها كاهش‌يافته و متعاقباً بتن كمتري موردنياز خواهد بود. ازاين‌رو، افزايش ميزان جذب اشعه توسط بتن از اهداف مهم صنايع هسته‌اي محسوب مي‌شود. در اين تحقيق از نتايج 27 طرح اختلاط ساخته شده استفاده گرديده است. نسبت آب به سيمان، مقدارسيمان، سنگدانه هاي كلمانيت و نسبت ميكروسيليس به سيمان به عنوان ورودي، و همچنين مقاومت فشاري، سرعت پالس فراصوتي و نسبت انتقال نوترون حرارتي به عنوان خروجي در شبكه هاي هوش مصنوعي در نظر گرفته شده است. با استفاده از برنامه نويسي در نرم افزار MATLAB در شبكه عصبي- فازي تطبيقي (ANFIS) و شبكه عصبي مصنوعي (ANN) براي پيدا كردن يك اختلاط مطلوب از بتن استفاده شد. براي اين منظور پس از آموزش در شبكه هاي ANN و ANFIS ، 1020 مدل اختلاط مورد بررسي قرار گرفت و در آخر اختلاط بهينه در ميان اختلاط هاي شبيه سازي شده حاصل گرديد. نتايج نشان داد كه اختلاط بهينه در بتن محافظ نوترون حرارتي و تابش هاي هسته اي در ANFIS با نسبت آب به سيمان 0.38، مقدار سيمان(kg/m3) 370، سنگدانه هاي كلمانيت 40% و نسبت ميكروسليس به سيمان 0.2 مي باشد. و در ANN با نسبت آب به سيمان 0.39، مقدار سيمان (kg/m3) 360، سنگدانه هاي كلمانيت 55% و نسبت ميكروسليس به سيمان 0.14 مي باشد.