بخشی از مقاله
خلاصه
دیوار برشی یکی از سیستمهای باربر جانبی است که استفاده از آن بدلیل دارا بودن رفتار مناسب در جذب و استهلاک انرژی زلزله توصیه میشود. یکی از پارامترهای مورد توجه در طراحی دیوارهای برشی با ضخامت کم، شکل پذیری عضو است. ضریب رفتار یکی از پارامترهای مورد نیاز طراحی لرزهای میباشد که عملکرد غیرخطی سازهها را با در نظر گرفتن سطح شکل پذیری لحاظ میکند. به منظور تأمین رفتار شکلپذیر دیوار، طراحی آن به صورت خمشی نسبت به حالت برشی ارجحیت دارد.
در واقع باید ظرفیت برشی دیوار در حالت برشی نسبت به مقاومت خمشی دیوار، بیشتر باشد. علاوه بر ظرفیت برشی نهائی، بایستی رفتار عضو بین حالت شروع ترکخوردگی و حالت گسیختگی برشی نیز مشخص باشد. همچنین گاهی به منظور تأمین نیازهای معماری وجود بازشو در این دیوارها ممکن است اجتناب ناپذیر باشد، لذا آرماتورگذاری پیرامون بازشوها، تاثیر مهمی بر ظرفیت دیوار برشی دارد. در این مقاله 28 مدل دیوار برشی مسلح معمولی مطابق استاندارد 2800 ویرایش چهارم در نرم افزار آباکوس مدلسازی و تأثیر پارامترهای مختلف از جمله ارتفاع، نسبت دهانه به ارتفاع، مدول الاستیسیته و مقاومت فشاری بتن در محاسبه ضریب رفتار مورد بررسی قرار میگیرد.
برای این منظور از شبکه عصبی مصنوعی بهره گرفته شده و مشخصات مکانیکی و ویژگیهای ابعادی دیوارها، به عنوان ورودی سیستم در نظر گرفته میشود. در ادامه از الگوریتم پس انتشار خطا و الگوریتم هارمونی سرچ برای آموزش شبکه استفاده گردید و در نهایت مقادیر بدست آمده ضریب رفتار از روش شبکه عصبی با نتایج مطالعه عددی نرم افزار و استاندارد 2800 ویرایش چهارم مورد بررسی قرار گرفته است. نتایج حاصله نشان دهنده دقت مناسب شبکه عصبی در برآورد ضریب رفتار دیوار برشی مسلح میباشد.
.1 مقدمه
احداث دیوارهای برشی چه در ساختمانهای بلند و چه متوسط و حتی در ساختمانهای کوتاه موجب بالا رفتن مقاومت ساختمان در برابر بارهای جانبی شده و در مقایسه با استفاده از قابهای خمشی از نظر کاهش مقاطع تیر و ستون اقتصادیتر خواهد بود. همچنین استفاده از دیوار برشی به عنوان یک سیستم باربر جانبی بدلیل دارا بودن سختی بالا بهترین روش برای کنترل تغییر مکان نسبی ساختمانها به منظور برآورد اهداف عملکردی میباشد
امروزه بخوبی میتوان از ترکیب دیوارهای برشی و قابهای خمشی به نحوی استفاده کرد که رفتار مجموعه سازه نرم، مقاوم و شکل پذیر باشد. در این سیستم دیوارهای برشی قادرند بیشترین سهم نیروی برش پایه را تحمل کنند که موجب افزایش چشمگیر سختی ساختمان و کاهش قابل ملاحظه خسارت به عناصر غیرسازهای میگردند. تحقیقات نشان داده است که دیوار برشی بتن مسلح درصورت اجرای صحیح و آرماتورگذاری کافی، شکل پذیری مناسبی از خود نشان میدهند.
در دیوارهای برشی دارای بازشو اگر دیوار در پایینترین قسمت خود دارای یک یا چند بازشو باشد هریک از اجزاء دیوار در طرفین بازشو را پایههای دیواری و بخشی از دیوار که بین بازشوی بالایی و پایینی واقع می شود را تیر همبند یا کوپله می نامند. ژائو و آستانه اصل [2] به بررسی تاثیر ارتفاع تیر کوپله و درصد آرماتور برشی آن در آزمایشگاه پرداختند و به این نتیجه رسیدند که تیرهای کوپله با نسبت دهانه به ضخامت کمتر از 2 در برش دچار شکست می شوند. همچنین به این نتیجه رسیدند که تیرهایکوپله با درصد آرماتور برشی کمتر دچار گسیختگی برشی-کششی می شوند اما نمونه های با آرماتور برشی بیشتر، اغلب دچار گسیختگی لغرشی- برشی میشوند و دارای شکستی ترد هستند.
پاولی [3] به بررسی شکلپذیری دیوارهای کوپله پرداخت و به این نتیجه رسید که دیوارهای کوپله محاسن ویژهای دارند که عبارتند از: کنترل تغییر مکان بسیار عالی دارند، یک سیستم کوپله قوی، امکان استفاده از دیوارهای لاغر بدون به خطر انداختن حدود مجاز تغییر شکل نسبی طبقات را فراهم می نماید، حدود تغییر شکلها در خلال یک پاسخ شکل پذیر، متاثر از مدهای دینامیکی بالاتر نمیباشد و با یک آرماتورگذاری مناسب و کافی، میرایی هیسترتیک بزرگتری نسبت به ساختمانهای سنتی با دیوار برشی از خود نشان میدهد.
صفاری و قهرمانی [4] به این نتیجه رسیدند که افزایش ارتفاع تیر کوپله باعث افزایش مقاومت نهایی میگردد اما درصورتیکه ارتفاع تیر کوپله بیش از حدود % 33 ارتفاع طبقه گردد، تاثیر زیادی در مقاومت نهایی دیوار ندارد و شکل پذیری را نیز کاهش میدهد. شبکههای عصبی نوعی مدل ساده شده از سیستمهای عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف مثل درونیابی، تخمین و... دارند. در این میان شبکههای عصبی مصنوعی از مباحث جدیدی است که با هدف شبیهسازی هرچه بیشتر کامپیوتر به انسان شکلگرفته است.
مکانیسم یادگیری شبکه عصبی و مغز انسان بر اساس تجربه بنا شده است. مغز اطلاعات را همانند الگوها ذخیره میکند. این حوزه از علم، محاسبات را در حل مسائل استفاده نمیکند و به جای اینکار از شبکههای بزرگی استفاده میکند که به صورت موازی آرایش شدهاند و تعلیم پیدا کردند
یک شبکه عصبی مصنوعی - - ANN ایدهای است برای پردازش اطلاعات که از سیستم عصبی الهام گرفتهشده و مانند مغز به بررسی اطلاعات میپردازد. این سیستم از تعداد زیادی عناصر به هم پیوسته تشکیل شده که برای حل مسئله به صورت هماهنگ عمل میکنند. در این شبکه به کمک علم برنامهنویسی، ساختاری مانند نرون ایجاد میشود که به این ساختار Node میگویند. بعد با ایجاد شبکهای بین این Nodeها و اعمال یک الگوریتم آموزشی به آن، شبکه آموزش داده میشود. هر شبکهعصبی سه مرحله آموزش، اعتبارسنجی و اجرا را خواهد داشت. در واقع این شبکهها زمانی به کار میروند که روابط دقیق ریاضی بین ورودیها و خروجیها برقرار نباشد. آموزش شبکهعصبی یعنی تنظیم ارتباطی این نرونها در اثر یادگیری مثالهای مختلف است تا در نهایت خروجی شبکه به سمت خروجی مناسب همگرا شود
امروزه بخش عمدهای از طراحی لرزهای در آییننامهها براساس روش استاتیک معادل و تعیین برش پایه طراحی از طیف خطی می باشد. برای تعیین برش پایه طراحی از ضرایب به نام ضریب اصلاح رفتار و یا ضریب رفتار استفاده میشود. در واقع در هنگام وقوع زلزلههای شدید به علت ایجاد مفاصل پلاستیک، سازهها رفتار غیرخطی خواهند داشت و با تحمل تغییرشکلهای غیر ارتجاعی انرژی بیشتری را حین زلزله جذب میکنند. به علت سهولت و گستردگی استفاده از روشهای خطی تحلیل سازهها در آییننامههای مختلف از این روش برای طراحی سازه استفاده شده است
این در حالی است که نیروی زلزلهی مورد نیاز برای طراحی سازهها بسیار کمتر از نیروی حاصل از تحلیلهای خطی میباشد. علت این اختلاف منظور نکردن رفتار غیرخطی سازهها در حین زلزله میباشد. به همین دلیل در آییننامههای طراحی لرزهای سازهها 12]و [13 از ضریبی تحت عنوان ضریب رفتار به منظور در نظر گرفتن رفتار غیرخطی سازهها استفاده شده است. این ضریب در واقع اعمال کننده فلسفه طراحی لرزهای میباشد. ضریب رفتار یکی از مهمترین شاخصهای طراحی میباشد و در حقیقت تأثیر شکلپذیری در طراحی ارتجاعی سازه میباشد. لذا شناخت و بررسی آن بسیار حائز اهمیت میباشد. ضریب رفتار سازه، ضریبی است که نشانگر مقاومت سازه در مرحله غیرارتجاعی نیز میباشد.
به منظور بررسی نیازهای فرا ارتجاعی سازهها، روش دینامیکی غیرخطی به عنوان روش دقیق مورد استفاده قرار میگیرد که البته این روش مستلزم صرف زمان و هزینه زیادی میباشد، به همین دلیل روش تحلیل استاتیکی غیرخطی [14] به عنوان روشی جایگزین مورد استفاده قرار میگیرد. در سالهای اخیر مطالعات زیادی در رابطه با محاسبهی ضریب رفتار انواع سازهها صورت گرفته است.
ماهری و اکبری [15] به بررسی نوع بادبند مورد استفاده در قابهای بتنی پرداختند و ضریب رفتار این نوع سازهها را مورد مطالعه قرار دادند. تسنیمی و سلیمی [16] به بررسی محصور شدگی بتن و تأثیر آن در ضریب رفتار پرداختند و نتایج مطالعه آنها نشان میدهد محصور شدگی بتن موجب افزایش شکلپذیری و ضریب رفتار سازههای بتن آرمه میشود.
فتحی و همکاران [17]، رابطه پیشنهادی خود را در قابهای فولادی بر اساس میزان صلبیت اتصالات قابها بیان کردند و رابطه ضریب رفتار را براساس میزان صلبیت اتصالات فولادی، ارتفاع سازه و عرض دهانههای قابها ارائه کردند. فراهانی و غلامی [18]، نیز به بررسی ضریب رفتار سازههای فولادی دارای قاب خمشی و مقایسه آنها با مقادیر پیشنهادی آییننامه پرداختند.
در این مطالعه نیز از روش منطبق بر روش یانگ [14] به منظور محاسبه ضریب رفتار سازههای دیوار برشی دارای بازشو با استفاده از یک روش شبکه عصبی استفاده شده است. هدف از این مطالعه، ارزیابی ضریب رفتار قابهای دارای دیوار برشی مسلح دارای بازشو میباشد. در این مطالعه 28 قاب دیوار برشی مسلح با انواع ابعاد مورد بررسی قرار میگیرد. در پایان با ارائه نتایج هر یک از قابها ضریب رفتار هر قاب با استفاده همگرایی نتایج با استفاده از روش شبکه عصبی محاسبه میشود.
