پيش‌بيني مقاومت‌فشاري ستون ‌بتني مربعي محصورشده با FRP با استفاده از منطق‌فازي

Prediction of compressive strength of FRP-confined concrete square columns using fuzzy logic approach

محصورسازي ستون‌هاي بتني با صفحات كامپوزيتي از جنس پليمرهاي مسلح‌شده با الياف، موسوم به ورقه‌هاي FRP، از جمله شيوه‌هاي نوين در بهسازي سازه‌ها محسوب مي‌شود. بررسي عملكرد ستون‌هاي بتني با مقطع دايره‌اي محصورشده با FRP، در سال‌هاي اخير به طور وسيعي انجام شده، اما مقطع مربعي كمتر مطالعه گرديده است. در اين تحقيق، مقاومت فشاري نمونه‌هاي بتني مربعي محصورشده با FRP، با استفاده از منطق فازي مدل خواهد شد. براي ساخت مدل فازي، نتايج آزمايشگاهي شامل، 182 نمونه از مقالات انتشار يافته استخراج گرديده است. همچنين روابط صريح مدل فازي پيشنهادي ارايه شده است كه مقاومت فشاري ستون بتني مربعي محصورشده با FRP را به صورت تابعي از عرض و شعاع گردي گوشه مقطع، مقاومت مشخصه بتن، كل ضخامت دورپيچ FRP، مقاومت كششي و مدول الاستيسيته FRP بيان مي‌كند، دقت نتايج به دست آمده از مدل فازي پيشنهادي در مقابل داده‌هاي آزمايشگاهي، بسيار رضايت بخش است. علاوه براين از مقايسه مدل فازي پيشنهادي با تعدادي از مدل‌هاي موجود كه توسط محققان مختلف ارايه شده‌اند، مشاهده مي‌شود كه مدل فازي، دقت بهتري نسبت به ساير مدل‌هاي موجود دارد.

The behavior and modeling of circular concrete sections confined by Fiber Reinforced Polymer (FRP) wraps have been recently studied extensively while non-circular sections have received much less attention. This study focuses on FRP-confined specimens with square sections under axial loading. A fuzzy logic based model is developed to predict the compressive strength of the FRP-confined square sections. The explicit formation of the proposed fuzzy model for the compressive strength of FRP-confined concrete is presented as a function of the section width, corner radius, compressive strength of unconfined concrete, thickness of FRP sheets, tensile strength and elastic modulus of FRP materials. The results indicated that the accuracy of the proposed fuzzy model is quite satisfactory as compared to a large database containing experimental results of 182 specimens assembled from the open literature. Moreover, the proposed fuzzy model is compared with the existing nine models developed by various researchers and is found to be more accurate.