پیش‌بینی کرنش تجمعی نمونه‌های مارشال اصلاح‌شده پلی پروپیلن در تست خزش مکرر با استفاده از شبکه‌های عصبی مصنوعی

این مطالعه کاربرد شبکه‌های عصبی مصنوعی (‏ANN)‏را برای پیش‌بینی نتایج تست خزش مکرر برای مخلوط‌های آسفالت اصلاح‌شده پلی پروپیلن (‏PP)‏نشان می‌دهد. الیاف پلی پروپیلن برای اصلاح مایه بست قیری به منظور بهبود خواص فیزیکی و مکانیکی مخلوط آسفالت حاصل به کار می‌رود. نمونه‌های مارشال، ساخته‌شده با الیاف پلی پروپیلن نوع M – ۰۳ در مقدار بهینه قیر با استفاده از دستگاه تست جهانی (‏UTM – 5P)‏مورد آزمایش قرار گرفتند تا رفتار ریولوژیکی / خزش آن‌ها تحت بارگذاری مکرر مشخص شود. مقادیر بار مختلف و الگوهای بارگذاری برای نمونه‌های آماده‌شده قبلی در یک دمای از پیش تعیین‌شده اعمال شده‌اند. نشان‌داده شده‌است که افزودن الیاف پلی پروپیلن منجر به پایداری مارشال بهبود یافته و کاهش در مقادیر جریان می‌شود که افزایش عمر خدماتی نمونه‌ها تحت تست خزش مکرر را فراهم می‌کند. مدل ANN پیشنهادی از خواص فیزیکی نمونه‌های مارشال استاندارد مانند نوع پلی پروپیلن، ارتفاع نمونه، وزن واحد، حفره‌های موجود در سنگ دانه‌های معدنی، حفره‌های پر شده با آسفالت، حفره‌های هوا و ویژگی‌های تست خزش مکرر مانند دوره استراحت و تعداد ضربان به منظور پی

This study presents an application of artificial neural networks (ANN) for the prediction of repeated creep test results for polypropylene (PP) modified asphalt mixtures. Polypropylene fibers are used to modify the bituminous binder in order to improve the physical and mechanical properties of the resulting asphaltic mixture. Marshall specimens, fabricated with M-03 type polypropylene fibers at optimum bitumen content were tested using universal testing machine (UTM-5P) in order to determine their rheological/creep behavior under repeated loading. Different load values and loading patterns have been applied to the previously prepared specimens at a predetermined temperature. It has been shown that the addition of polypropylene fibers results in improved Marshall stabilities and decrease in the flow values, providing the increase of the service life of samples under repeated creep testing. The proposed ANN model uses the physical properties of standard Marshall specimens such as polypr