نام پژوهشگر: محمود هوشیار

تاثیر خوردگی حفره ای بر ظرفیت باربری ستون های قوطی شکل سرد نورد شده تحت تنش فشاری تک محوره با استفاده از شبکه های عصبی مصنوعی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه ولی عصر (عج) - رفسنجان - دانشکده فنی 1392
  محمود هوشیار   یاسر شریفی

آیین نامه های معتبر سازه های فولادی سرد نورد شده، در رابطه با ظرفیت باربری ستون های فولادی قوطی شکل تحت اثر بارهای وارده نقایصی را به همراه دارد، از جمله می توان لحاظ نکردن اثرات تنش های پسماند و همچنین عیوب اولیه سیستم (که شامل عیوب هندسی و مکانیکی می باشد.) دانست. از آنجا که روز به روز استفاده از این گونه سازه ها رو به گسترش است لذا به دست آوردن رابطه ای دقیق و نزدیک تر به واقعیت جهت محاسبه ظرفیت باربری این اعضاء امری ضروری به نظر می رسد و نیاز به بررسی و پژوهش های بیشتری دارد. اگر یک عضو سازه ای دچار خرابی ناشی از خوردگی شود، خصوصیات مقطع عضو تغییر می کند، در نتیجه شاهد تغییر رفتار آن تحت بارهای وارده خواهیم بود. به دلیل بروز خوردگی، مصالح عضو سازه ای کاهش پیدا می کند، لذا تأثیراتی شامل کاهش مقاومت عضو، کاهش پایداری، کاهش سختی، کاهش شکل پذیری و در نهایت افزایش احتمال خرابی و انهدام سازه را بر جای می گذارد. پدیده خوردگی حفره ای در ستون های قوطی شکل فولادی، کاهش ضخامت قطعه را به همراه خواهد داشت، که باعث کاهش چشمگیر ظرفیت باربری و مقاومت نهایی ستون خواهد شد. لذا بررسی تأثیر خوردگی حفره ای بر ستون های فلزی قوطی شکل تحت تنش فشاری و ظرفیت نهایی سازه آسیب دیده، امری ضروری به نظر می رسد. در این تحقیق سعی بر آن شده است که در ابتدا به بررسی ظرفیت باربری ستون های فولادی سرد نورد شده تحت تنش فشاری تک محوری بر طبق آیین‎نامه aisi پرداخته و سرانجام با تحلیل غیر خطی المان محدود که با استفاده از نرم افزار abaqus صورت گرفته مقاومت نهایی اعضای مورد نظر به دست آورده و اثرات پارامترهایی از قبیل تنش های پسماند و همچنین عیوب اولیه در سیستم بر روی ظرفیت باربری مورد مطالعه قرار گرفته و سرانجام به تاثیرات خوردگی حفره ای بر روی ظرفیت باربری این گونه اعضاء پرداخته شده است. در این تحقیق اثر عمق، قطر و حجم خوردگی مورد ارزیابی قرار گرفته است و همچنین اثرات پارامترهایی از قبیل ابعاد مقطع، تنش پسماند، عیوب اولیه در سیستم و تأثرات حفرات خوردگی در مقایسه با عمق خوردگی با استفاده از شبکه عصبی مصنوعی بررسی شده است.