۶۷۲

An efficient method for adjusting vigilance factor in eural networks using learning automata

كارشناسي ارشد

نرم افزار

تهران شمال

۱۳۹۶

۹۶/۱۰/۳۰

ندارد

۷۳ص.

امير شاهي، بيتا

۶۶-۷۱ص.

Neural networks , parameter monitoring , clustering

آسفالت در روسازي راه جزء سازه‌هائي است كه در مقابل تنش فشاري عكس العمل مناسبتري از خود نشان داده ،‌ يكي از نقاط ضعف آسفالت ،‌پديده‌ي ضعف در مقابل تنش كششي است كه سبب ايجاد ترك شده و عدم رسيدگي و مرمت آسفالت موجب خرابي آسفالت خواهد گرديد. هدف از اين تحقيق افزايش مقاومت كششي آسفالت گرم است. با توجه به گستردگي استفاده از فناوري نانو در علم روز سعي در حل مشكل و ضعف كششي آسفالت گرم با استفاده از فناوري نانو الياف شيشه داريم. به اين صورت كه نانو الياف هاي شيشه به صورت المانهاي كششي در آسفالت قرار گرفته و تاحدي اين ضعف آسفالت را پوشش دهند. در اين راستا نمونه‌هايي تهيه و با افزون نانو الياف شيشه در درصد هاي وزني ۱/. و ۲/. و ۳/. و ۴/. و ۵/.و ۶/. و۷/. و ۱ درصد تهيه و آزمايشات مقاومتي استاندارد روي نمونه‌ها انجام گرديد. درصد بهينه افزون نانو الياف شيشه جهت افزون مقاومت آسفالت ۴/. درصد است. با اين درصد بهينه مقاومت آسفالت به ميزان ۱۳٪ افزايش خواهد يافت.همچنين نرمي آسفالت ۲۰ درصد ‌افزايش خواهد يافت. اين دو پارامتر در اقزايش مقاومت كششي آسفالت و افزايش كارائي آسفالت نقش مهمي خواهد داشت.

45899