تخمین عمق شیارشدگی مخلوط های آسفالتی حاوی قیر گرم لاستیکی با استفاده از شبکه عصبی و مدل رگرسیون غیرخطی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی عمران، واﺣﺪ ﻧﺠﻒ آﺑﺎد، دانشگاه آزاد اسلامی، ﻧﺠﻒ آﺑﺎد، اﯾﺮان

2 دانش‌آموخته کارشناسی ارشد، گروه مهندسی عمران، دانشگاه آزاد اسلامی تیران، اصفهان، ایران

3 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه پیام نور استان تهران، تهران، ایران

4 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

استفاده از قیرهای اصلاح‌شده موجب افزایش تعدد متغیرهای مؤثر بر مقاومت شیارشدگی روسازی شده است. بر همین اساس، بررسی رفتار شیارشدگی روسازی به‌عنوان یک رویکرد تأثیرپذیر از متغیرهای عملکردی و محیطی می‌تواند موجب بهبود شرایط اجرایی در زمان طراحی و نگهداری و کاهش هزینه‌های سنگین آزمایشگاهی شود. در این تحقیق تلاش می‌شود تا در مرحله اول رفتار شیارشدگی قیرها و مخلوط‌های آسفالتی حاوی ترکیب هم‌زمان پودر لاستیک و ساسوبیت با استفاده از آزمایش‌های خزش و بازگشت در چند سطح تنش (MSCR) و خزش دینامیکی ارزیابی شود. سپس بر اساس کرنش‌های پلاستیک تجمعی رخ‌داده در روسازی، مقاومت شیارشدگی مخلوط‌های آسفالتی با استفاده از مدل‌های شبکه عصبی مصنوعی و رگرسیون چندگانه تخمین زده شود تا در صورت تعیین مدل مناسب با دقت بالا و خطای کم از تولید آسفالت با پتانسیل بالای شیارشدگی در مرحله آزمایشگاهی و پیش از تولید کارخانه‌ای جلوگیری شود. نتایج بخش آزمایشگاهی حاکی از آن بود که باوجود تأثیر مثبت GTR و WMA بر مقاومت شیارشدگی قیرها و مخلوط‌های آسفالتی در درصدها بالا، ولی با در نظر گرفتن هم‌زمان عملکرد فنی روسازی در دماهای بالا و پایین و شرایط اقتصادی قیر حاوی 12% پودر لاستیک و 2% ساسوبیت به‌عنوان ترکیب بهینه پیشنهاد می‌شود. همچنین، نتایج بخش مدل‌سازی نشان داد باوجود عملکرد مناسب مدل‌های رگرسیون و ANN در تخمین مقاومت شیارشدگی، ولی مدل ANN با ضریب همبستگی برابر 939/0 ازنظر دقت و قدرت بهتر از مدل رگرسیون بود. بنابراین می‌تواند به‌عنوان ابزاری قدرتمند و مناسب در کاهش زمان و هزینه و جلوگیری از تولید آسفالت با پتانسیل بالای شیارشدگی در مرحله آزمایشگاهی و پیش از تولید کارخانه‌ای پیشنهاد شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Estimation of Rutting Depth of Asphalt Mixtures Containing WMA-Rubberized Binder Using Neural Network and Nonlinear Regression Model

نویسندگان [English]

  • Amir Amini 1
  • Farzad Dadkhah Tehrani 2
  • Mahdi Feghhi Najaf Abadi 3
  • Ahmad Safari Mohammadi 4
1 Department of Civil Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran.
2 M.Sc., Grad., Department of Civil Engineering, Islamic Azad University of Tiran, Isfahan, Iran.
3 M.Sc., Grad., Department of Civil Engineering, Payame Noor University of Tehran Province, Tehran, Iran.
4 M.Sc., Grad., Department of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده [English]

The use of modified bitumens has increased the number of variables affecting pavement rutting resistance. Based on this, investigating pavement rutting behavior as an effective approach of functional and environmental variables can improve operational conditions during design and maintenance and reduce heavy laboratory costs. In this research, an attempt is made to evaluate the rutting behavior of bitumen and asphalt mixtures containing the simultaneous combination of rubber powder and Sasobit using multiple stress creep recovery (MSCR) and dynamic creep tests. Then, based on the cumulative plastic strains occurring in the pavement, the rutting resistance of asphalt mixtures will be estimated using artificial neural network models and multiple regression, so that if a suitable model is determined with high accuracy and low error, the production of asphalt with high rutting potential in the laboratory stage and prevent before factory production. The results of the laboratory section indicated that despite the positive effect of GTR and WMA on the rutting resistance of bitumen and asphalt mixtures in high percentages, but taking into account the technical performance of the pavement at high and low temperatures and the economic conditions of bitumen containing 12% rubber powder and 2 % Sasobit is suggested as the optimal combination. Also, the results of the modeling section showed that despite the appropriate performance of the regression and ANN models in estimating the rutting resistance, the ANN model with a correlation coefficient of 0.939 was better than the regression model in terms of accuracy and power. Therefore, it can be suggested as a powerful and appropriate tool in reducing time and cost and preventing the production of asphalt with high rutting potential in the laboratory stage and before factory production.

کلیدواژه‌ها [English]

  • Rubberized Asphalt
  • Rutting
  • Multiple Stress Creep Recovery
  • Sasobit
  • Predictive Models

مراجع

-Agatonovic-Kustrin, S., & Beresford, R. (2000). Basic concepts of artificial neural network (ANN) modeling and its application in pharmaceutical research. Journal of Pharmaceutical and Biomedical Analysis, 22(5), 717-727.­
-Alas, M., Ali, S. I. A., Abdulhadi, Y., & Abba, S. (2020). Experimental evaluation and modeling of polymer nanocomposite modified asphalt binder using ANN and ANFIS. Journal of Materials in Civil Engineering, 32(10), 04020305.­
-Ali, Y., Irfan, M., Ahmed, S., & Ahmed, S. (2017). Empirical correlation of permanent deformation tests for evaluating the rutting response of conventional asphaltic concrete mixtures. Journal of Materials in Civil Engineering, 29(8), 04017059.­
-Ameri, M., Mirzaiyan, D., & Amini, A. (2018). Rutting resistance and fatigue behavior of gilsonite-modified asphalt binders. Journal of Materials in Civil Engineering, 30(11), 04018292.­
-Amini, A., Ziari, H., & Goli, A. (2018). Investigating the performance of rubberised binders used in Iran based on multiple stress creep recovery and performance grading systems. Road Materials and Pavement Design, 19(4), 803-818.­
-Amini, A., Ziari, H., Saadatjoo, S. A., Hashemifar, N. S., & Goli, A. (2021). Rutting resistance, fatigue properties and temperature susceptibility of nano clay modified asphalt rubber binder. Construction and Building Materials, 267, 120946.­
-Che, T., Pan, B., Li, Y., Ge, D., Jin, D., & You, Z. (2022). The effect of styrene-butadiene rubber modification on the properties of asphalt binders: Aging and restoring. Construction and Building Materials, 316, 126034.
doi.org/10.1016/j.conbuildmat.2021.126034
-D'Angelo, J., Kluttz, R., Dongre, R. N., Stephens, K., & Zanzotto, L. (2007). Revision of the superpave high temperature binder specification: the multiple stress creep recovery test (With Discussion). Journal of the Association of Asphalt Paving Technologists, 76.
-Hoang, A. T., Nižetić, S., Ong, H. C., Tarelko, W., Le, T. H., Chau, M. Q., & Nguyen, X. P. (2021). A review on application of artificial neural network (ANN) for performance and emission characteristics of diesel engine fueled with biodiesel-based fuels. Sustainable Energy Technologies and Assessments, 47, 101416.
-Jamshidi, A., Hamzah, M. O., & You, Z. (2013). Performance of warm mix asphalt containing Sasobit®: State-of-the-art. Construction and Building Materials, 38, 530-553.
-Li, L., Huang, X., Han, D., Dong, M., & Zhu, D. (2015). Investigation of rutting behavior of asphalt pavement in long and steep section of mountainous highway with overloading. Construction and Building Materials, 93, 635-643.
-Li, X., Zhou, Z., & You, Z. (2016). Compaction temperatures of Sasobit produced warm mix asphalt mixtures modified with SBS. Construction and Building Materials, 123, 357-364.
-Moniri, A., Ziari, H., Amini, A., & Hajiloo, M. (2022). Investigating the ANN model for cracking of HMA in terms of temperature, RAP and fibre content. International Journal of Pavement Engineering, 23(3), 545-557.
-Omranian, S. R., Hernando, D., Arab, A., Hamzah, M. O., Keong, C. K., Vuye, C., & Van den bergh, W. (2021). Validation of a model to predict the effect of short-term aging on the rheological properties of asphalt binders. Construction and Building Materials, 278, 122381.doi.org/10.1016/j.conbuildmat.2021.122381
-Qin, Q., Farrar, M. J., Pauli, A. T., & Adams, J. J. (2014). Morphology, thermal analysis and rheology of Sasobit modified warm mix asphalt binders. Fuel, 115, 416-425.
-Rodríguez-Alloza, A. M., Gallego, J., Pérez, I., Bonati, A., & Giuliani, F. (2014). High and low temperature properties of crumb rubber modified binders containing warm mix asphalt additives. Construction and Building Materials, 53, 460-466.
-Saberi.K, F., Fakhri, M., & Azami, A. (2017). Evaluation of warm mix asphalt mixtures containing reclaimed asphalt pavement and crumb rubber. Journal of Cleaner Production, 165, 1125-1132.doi.org/10.1016/j.jclepro.2017.07.079
-Savrık, S. A., Balköse, D., Ulutan, S., & Ülkü, S. (2010). Characterization of poly (vinyl chloride) powder produced by emulsion polymerization. Journal Of Thermal Analysis and Calorimetry, 101(2), 801-806.
-Shafabakhsh, G., Ani, O. J., & Talebsafa, M. (2015). Artificial neural network modeling (ANN) for predicting rutting performance of nano-modified hot-mix asphalt mixtures containing steel slag aggregates. Construction and Building Materials, 85, 136-143.
-Sobhi, S., Yousefi, A., & Behnood, A. (2020). The effects of Gilsonite and Sasobit on the mechanical properties and durability of asphalt mixtures. Construction and Building Materials, 238, 117676. doi.org/10.1016/j.conbuildmat.2019.117676
-Wang, H., Dang, Z., You, Z., & Cao, D. (2012). Effect of warm mixture asphalt (WMA) additives on high failure temperature properties for crumb rubber modified (CRM) binders. Construction and Building Materials, 35, 281-288.
-Xu, P., Zeng, Z. A., Miao, Y., Zhang, D., & Fu, C. (2023). Field Aging Characterization of Asphalt Pavement Based on the Artificial Neural Networks and Gray Relational Analysis. Journal of Materials in Civil Engineering, 35(7), 04023188.
-Yang, X., You, Z., Hasan, M. R. M., Diab, A., Shao, H., Chen, S., & Ge, D. (2017). Environmental and mechanical performance of crumb rubber modified warm mix asphalt using Evotherm. Journal of Cleaner Production, 159, 346-358.
-Yousefi, A., Behnood, A., Nowruzi, A., & Haghshenas, H. (2021). Performance evaluation of asphalt mixtures containing warm mix asphalt (WMA) additives and reclaimed asphalt pavement (RAP). Construction and Building Materials, 268, 121200.
-Ziari, H., Amini, A., & Goli, A. (2020). Investigation of blending conditions effect on GTR dissolution and rheological properties of rubberized binders. Construction and Building Materials, 242, 117828.
-Ziari, H., Amini, A., Goli, A., & Mirzaiyan, D. (2018). Predicting rutting performance of carbon nano tube (CNT) asphalt binders using regression models and neural networks. Construction and Building Materials, 160, 415-426.
-Ziari, H., Divandari, H., Hajiloo, M., & Amini, A. (2019). Investigating the effect of amorphous carbon powder on the moisture sensitivity, fatigue performance and rutting resistance of rubberized asphalt concrete mixtures. Construction and Building Materials, 217, 62-72.
-Ziari, H., Goli, A., & Amini, A. (2016). Effect of crumb rubber modifier on the performance properties of rubberized binders. Journal of Materials in Civil Engineering, 28(12), 04016156.
-Ziari, H., Nasiri, E., Amini, A., & Ferdosian, O. (2019). The effect of EAF dust and waste PVC on moisture sensitivity, rutting resistance, and fatigue performance of asphalt binders and mixtures. Construction and Building Materials, 203, 188-200.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار