شبيه سازي جريان خوردگي آرماتور فولادي در بتن حاوي تركيبات پوزولاني توسط شبكه ي عصبي مصنوعي

Corrosion current simulation of reinforcement in pozolanic concrete by Artificial Neural Networks

افزودن تركيبات پوزولاني به طرح اختلاط بتن در زمره ي اقتصادي ترين و موثرترين روش هاي افزايش مقاومت به خوردگي آرماتورهاي فولادي دربتن به شمار مي آيد. در اين پژوهش تركيبات پوزولاني خاكستر بادي و ميكروسيليس در مقادير بهينه 25 و 10 درصد وزني سيمان به طرح اختلاط اضافه شد و نمونه هاي بتني مسلح ساخته شده، تحت آزمون تسريع شده يون كلر (RCIP) در الكتروليت 3/5% كلريد سديم به مدت 356 ساعت در پتانسيل خارجي 32 ولت قرار گرفتند. جريان خوردگي فولاد در بتن هر ساعت يك بار اندهزه گيري و ثبت گرديد. نتايج تجربي جريان خوردگي با استفاده از شبكه هاي عصبي مدل گرديد. جهت تحليل جريان خوردگي از روش حل الگوريتم پس انتشار (Feed forward back propagation) استفاده شد، سپس نتايج تجربي و مقادير مدل شده جريان خوردگي بر اساس معياري از خطا مورد مقايسه قرار گرفت، نتايج ، تطابق خوبي ميان داده هاي جريان خوردگي و مدل شبيه سازي شده را نشان مي دهد.

Addition of pozolanic component to concrete mixing design is the most effective and economic methods for increasing the corrosion resistance of steel in concrete. In this study, pozilanic materials such as micro silica and fly ash were added to concrete on optimum contents, 10 and 25 weight percent of cement respectively .Reinforced concrete samples were hold under Rapid Chloride Penetration Test (RCPT) in 3.5% NaCl electrolyte for 356 hours at 32V external potential. The corrosion current of steel in concrete were measured and recorded for every hour. The corrosion currents have been modeled using feed forward artificial back propagation neural networks (ANNs). Then measured results have been compared with the modelled ones in term of root mean square error (RMSE), mean absolute percentage error (MAPE) and correlation coefficient criterion. The results show a good agreement between the corrosion data and simulated models.