مدلسازی تاثیر هم افزایی SBS و نانولوله کربن در بهبود خواص رئولوژیکی قیرها با استفاده از هوش مصنوعی

هدف از این تحقیق مدلسازی تاثیر هم افزایی SBS و نانولوله کربن (CNT) در بهبود خواص رئولوژیکی قیرها با استفاده از هوش مصنوعی و تحلیلهای آماری میباشد. بر همین اساس، عملکرد ترکیبات مختلف قیرها حاوی قیر پلیمری اصلاح شده با ۰/۶ و ۱/۲ درصد CNT با استفاده از آزمایش جاروب دما، تحلیل واریانس و مدلهای رگرسیون و شبکه عصبی (ANN) بررسی و تحلیل شدند. نتایج مقاومت شیارشدگی قیرها نشان داد که به دلیل واکنش نانو ذرات با ماتریس پلیمری و تشکیل شبکه قدرتمند در برابر تنشهای اعمال شده، همافزایی پلیمر و نانو ذرات موجب افزایش مقاومت شیارشدگی در برابر تغییر شکل های پلاستیک میشود و رفتار رئولوژیکی قیر را در بر افزایش دما بهبود میبخشد. نتایج آزمون واریانس نشان داد که باوجود تاثیرگذاری معنادار CNT، SBS و دمای آزمایش بر شاخص شیارشدگی، ولی افزایش مقدار CNT به ۱/۲ درصد به دلیل افزایش مقدار کربن و تشکیل پیوندهای کووالانسی در ماتریس قیر، نسبت به سایر متغیرها اثرگذاری بیشتری بر بهبود مقاومت شیارشدگی دارد. درنهایت، مقایسه عملکرد مدلهای پیشبینی نشان داد که مقادیر R۲ برای مدلهای رگرسیون و ANN با داشتن ضریب همبستگی بزرگتر از ۰/۹۰، عملکرد مناسبی دارند. بااین وجود، مدل توسعه یافته ANN بهینه سازی شده با ضریب همبستگی برابر ۰/۹۷۶ از مقبولیت بهتری نسبت به مدل رگرسیون برخوردار است و میتواند به عنوان ابزاری قدرتمند و مناسب در پیشبینی رفتار رئولوژیکی قیرهای اصلاح شده با نانو کامپوزیت برای جلوگیری از آسفالت با پتانسیل شیارشدگی بالا در مرحله پیش تولید پیشنهاد شود.

کلیدواژه ها:

قیر ، نانوکامپوزیت ، خواص رئولوژیکی ، هوش مصنوعی ، مقاومت شیارشدگی