@article { author = {Naderpour, Hosein and Fakharian, Pouyan}, title = {Predicting the Torsional Strength of Reinforced Concrete Beams Strengthened with FRP Sheets in terms of Artificial Neural Networks}, journal = {Journal of Structural and Construction Engineering}, volume = {5}, number = {1}, pages = {20-35}, year = {2018}, publisher = {Iranian Society of Structural Engineering (ISSE)}, issn = {2476-3977}, eissn = {2538-2616}, doi = {10.22065/jsce.2017.70668.1023}, abstract = {Reinforced concrete (RC) structural elements such as peripheral beams, beams supporting the canopy, ring beams of circular slabs are common members which could encounter torsional moments. One of the up-to-date and modern techniques for strengthening such beams is using FRP sheets. The increase of service loads, degradation of mechanical properties and updates in code regulations would cause to the need for retrofit. Using FRP sheets as a strengthening technique would increase the flexure, shear and torsion capacity. It would also change the failure mode and/or plane. In this article, torsional strength prediction of RC beams strengthened by FRP using artificial neural networks has been investigated. Input parameters of ANNs are RC beam width, height, FRP sheet thickness, modulus of elasticity of FRP sheet, yielding stress of longitudinal and transverse steels, the compressive strength of concrete, the effective width of shear strips along beam length, center-to-center space of FRP strips, the angle of wrapping and number of FRP layers. The target parameter is the capacity of the beam in bearing the torsional moment. The results indicate that the idealized neural network having definite number of neurons in hidden layer, can predict the torsional strength of RC beams externally bonded with FRP with a high degree of precision. Considering the mentioned precision, the method could be an efficient alternative for time-consuming and highly cost experimental programs.}, keywords = {RC Beam,Torsional Strength,FRP,ANN,Torsion}, title_fa = {پیش‏ بینی مقاومت پیچشی تیرهای بتن ‏آرمه تقویت شده با FRP با استفاده از شبکه‏ های عصبی مصنوعی}, abstract_fa = {اعضای سازه ای بتن آرمه نظیر تیرهای پیرامونی، تیرهای حلقوی در پایین دال دایروی، تیرهای نگهدارنده سایبان و سایر انواع تیرها تحت بارگذاری پیچشی قرار می گیرند. مقاوم سازی چنین تیرهایی به ویژه در شرایطی که بارهای سرویس افزایش می یابند و یا ظرفیت سازه ای در اثر گذشت زمان تقلیل می یابد و همچنین شرایطی که به روزرسانی ضوابط آیین نامه ای انجام می‎شود، ضروری به نظر می رسد. تقویت تیرهای بتن آرمه تحت پیچش توسط صفحات FRP یکی از مدرن ترین تکنیک های موجود در صنعت ساختمان می باشد. مقام سازی سازه ها به کمک FRP باعث افزایش در ظرفیت خمشی، برشی و پیچشی و همچنین سبب تغییر در مود شکست و صفحه شکست می گردد. در این مقاله، پیش بینی مقاومت پیچشی تیرهای بتن آرمه تقویت شده با FRP به کمک شبکه های عصبی مصنوعی مورد بررسی قرار گرفته است. پارامترهای ورودی شبکه عصبی شامل عرض تیر بتن آرمه، ارتفاع تیر، ضخامت ورق FRP، مدول الاستیسیته ورق FRP، تنش تسلیم میلگردهای طولی و عرضی، مقاومت فشاری بتن، عرض موثر نوار تقویت برشی در راستای طول تیر، فاصله مرکز تا مرکز رکابی FRP، زاویه دورپیچ ورقه FRP و تعداد دورپیچ های FRP در نظر گرفته شدند. پارامتر هدف، لنگر پیچشی قابل تحمل توسط تیر می باشد. نتایج تحقیق نشان می دهد شبکه عصبی مصنوعی بهینه با تعداد مشخص نورون در لایه پنهان، با دقت مناسبی می تواند مقاومت پیچشی تیرهای بتن آرمه تقویت شده با FRP را تخمین بزند و از این جهت، می تواند جایگزین مناسبی برای روش های زمان بر و پرهزینه آزمایشگاهی باشد.}, keywords_fa = {تیر بتن‏ آرمه,مقاومت پیچشی,FRP,شبکه عصبی مصنوعی,پیچش}, url = {https://www.jsce.ir/article_44714.html}, eprint = {https://www.jsce.ir/article_44714_957d4126f7b7536c4a6c06ecdfcf076d.pdf} }