بررسی و پیش‎بینی خواص فیزیکی و مکانیکی کامپوزیت کاه و گچ به کمک مدل شبکه استنتاج عصبی فازی تطبیقی

نوع مقاله: مقاله شیمی

نویسندگان

دانشگاه سمنان

چکیده

کمبود منابع زیست محیطی، اقتصادی خواستار افزایش پژوهش در زمینه جایگزین‎های جدید در ساخت و ساز عمرانی است. در چند دهه گذشته گچ به عنوان مواد نازک سازی دیوار و سقف استفاده شده است. مطالعات فراوانی انجام شده است تا از الیاف طبیعی به عنوان تقویت کننده گچ استفاده شود و طی آن موفق به سبک سازی کامپوزیت‎های گچی شده‎اند. در این پژوهش از ماده لیگنوسلولزی الیاف کاه برنج در 8 سطح نسبت به وزن گچ جهت ساخت پنل‎های گچی استفاده گردید. همچنین از متیل سلولز، آهک، نشاسته و محلول های قلیایی آهک اشباع و هیدروکسیدپتاسیم  1 مولار  به عنوان اصلاح کننده‎ی کاه در این تحقیق به کار گرفته شد. از هر ترکیب 3 نمونه ساخته شد و تهیه نمونه‎ها مطابق با استاندارد و‎اندازه گیری خواص فیزیکی و مکانیکی از جمله مقاومت خمشی، فشاری، دانسیته مطابق با استاندارد‎های مربوطه انجام گرفت. کاه عملکرد ضعیفی در مقاومت ها از خود نشان داد ولی دانسیته را حدود 12 درصدکاهش داد. در ادامه کاه فراوری شده علاوه بر بهبود دو خاصیت قبلی توانست مقاومت خمشی را 9 درصد افزایش دهد. نتایج حاصل از بررسی  های میکروساختاری با میکروسکوپ الکترونی تاییدی بر نتایج بالا را نشان می دهد. کمک برنامه نویسی در نرم افزار متلب و با استفاده از شبکه عصبی- فازی آنفیس، مدلی جهت پیش‎بینی خواص ترکیبات جدید و همچنین پیشنهاد ترکیبات بهینه به دست آورده شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigation and Prediction of Physical and Mechanical Properties of Gypsum/Rice Straw Composite Using ANFIS Model

نویسندگان [English]

  • Farzaneh Mirakhorloo
  • Ebrahim Najafi Kani
چکیده [English]

Lack of environmental and economical resources leads to a quest for new alternatives in civil construction. In the recent decades, gypsum was used for plastering material on walls and ceilings. Many researches have been dedicated to natural fibers in order to be used as a reinforcement in cement and gypsum and some of them have been managed to decrease the density while enhancing the mechanical properties of the cement and gypsum composites. In this research, a lingo cellulose fibers which is rice straw in ten composition percentages are used in gypsum accordingly. In addition, Methyl cellulose, lime, starch, alkali lime saturated solution and one molar potassium hydroxide as a corrector of straw are used. From each composite three samples were made, based on the related standards, for assessment of axial and bending strengths However, Rice straw illustrated weak performances in axial and bending strengths it reduces density by 12 percent. While having the latter improvements, processed rice straw increased bending strength by 12 percent. Studying Scanning Electron Microscope (SEM) outputs confirmed the obtained results. Furthermore, utilizing ANFIS in Matlab software a model for predicting properties of new composites and reaching best composites is obtained.

کلیدواژه‌ها [English]

  • Gypsum
  • Mechanical properties
  • Natural Fibers
  • Gypsum composite
  • Anfis model
  • Microstructure

 

[1]       S.K. Chinta, P.M. Katkar,Mahamed Jafer Mirji, “Natural fibres-reinforced in false ceiling”, International Journal of Advanced Research in IT and Engineering, 2012, pp. 2278-6244.

[2]                A. Jahn , M.Schroder , M.Futing , K. Schenzel, and W.Diepen Brock, “Characterization of Alkali-treated Flax Fibers by Means of FT Raman Spectroscopy and Environmental Scanning Electron Microscopy”, Spectrochim. Acta A: Mol. Biomol. Spectrosc., 58, 2002, pp. 271-2279.

[3]                R. Rowell , R. Young , and J. Rowell , Paper and Composites from Agro-based Resources, CRC Lewis, Boca Raton, FL, 1997

[4]                R.D. Sederoff, J. MacKay, J. Ralph, and R. Hatfield, Unexpected Variation in Lignin, Curr. Opin. Plant Biol, 2, 145-152, 1999.

[5]                 طاهری نیا، ع. 1387. امکان استفاده از کاغذ بازیافتی در ساخت فرآورده مرکب الیاف- سیمان، پایاننامه کارشناسی ارشد، دانشکده کشاورزی و منابع طبیعی دانشگاه آزاد اسلامی واحد چالوس

[6]                 قاسمی پور، ح. بابائی فر، س. طلایی پور، م. 1387. بررسی ویژگیهای کامپوزیت‎های سیمانی تقویت شده با خمیر الیاف کارتن بازیافتی، چهارمین کنگره ملی مهندسی عمران، دانشگاه تهران

[7]                A. Boshehrian and P. Hosseini, “Effect of nano-SiO2 particles on properties of cement mortar applicable for Ferro cement elements” ISSR Journals, CRL Letters ,Vol. 2 (1), 2011.

[8]                K. Bilba, M.A. Arsene, “Silane treatment of bagasse fiber for reinforcement of cementitious composites”, Composites: Part A 39, 2008, pp. 1488–1495.

[9]                F. Pacheco-torgal, S. Jalal, “Cementations building materials reinforced with vegetable fibers: A review”, Construction and Building Materials, 25, 2011, pp. 575-581

[10]             G. Vasconcelos, A. Camoes, R. Fangueiro, N. Villa-Cha, C. Jesus, “Rice straw-cementitious bricks: analytical study on mechanical properties and sustainability measures”, ARPN Journal of Engineering and Applied Sciences, vol.10, No. 18, OCTOBER 2015.

[11]             S.K. Chinta, P.M. Katkar, M.J. Mirji, “Natural fibers reinforced gypsum composites”, Society for Science and Nature, 2004.

[12]             S. R, Karade, “Cement-bonded composites from lignocellulosic waste”, Construction and Building Materials, 24, 2010, pp. 1323-1330.

[13]             A.I. Alrawashdeh, A.E. Al-Rawajfeh1, A.A. Al-Bedoor, “Production of plaseter from gypsum deposits in south Jordan: improvement of the setting time”, Journal of Chemical Technology and Metallurgy, 49, 3, 2014, pp. 293-302.

[14]              مرتضی خرمی و همکاران، "افزایش ظرفیت باربری خمشی کامپوزیت‎های سیمانی با استفاده از الیاف طبیعی"، تحقیقات علوم چوب و کاغذ ایران، جلد 24، شماره1388، 207-206.

[15]             T. Aberle, P. Emmenegger, “New approaches to increase water resistance of gypsum based building materials”. Global gypsum magazine, 2010.

[16] S.S. Roy, “Design of adaptive neuro-fuzzy inference system for predicting surface roughness in turning operation”, Journal of Scientific & Industrial Research, Vol. 64, 2005, pp. 653-659.

[17] M.M. Yadollahi, A. Benli, R. Demirboga, “Application of adaptive neuro-fuzzy technique and regression models to predict the compressive strength of geopolymer composites”, Neural Computing and Applications, January 2016.

[18] B. Vakhshouri, Sh. Nejadi, “Prediction of compressive strength of self-compacting concrete by ANFIS models”, Neurocomputing, 280, 2018, pp. 13–22.

[19] F.P. Beer, E.R. Johnston, J.T. DeWolf, D.F. Mazurek, Mechanics of Materials, McGraw Hill, Sixth Edition, 2010.

[20]             J.D. Hogan, S. Boonsue, “Micro-scale deformation of gypsum during micro-indentation loading”, International Journal of Rock Mechanics & Mining Sciences, 54, 2012, pp. 140–149.

[21]             PSR. Prasad, A. Pradhan, TN. Gowd, “In situ micro-raman investigation of dehydration mechanism in natural gypsum”. Curr Sci, 80(9), 2001, pp.1203–1207.

[22]             P.S.R. Prasad, A. Pradhan and T.N. Gowd, “In situ micro-Raman investigation of dehydration mechanism in natural gypsum, Department of Physics”, Indian Institute of Technology, Kanpur 208, 2001, India.

[23]             S.K. Chinta, P.M. Katkar & M.J. Mirji, “Natural fibres reinforced gypsum composites”, Indian Journal of Engineering and Materials Sciences, Vol. 4 (3), 2013, pp. 318-325

[24]             S.S. Haykin, Neural networks and learning machines. Vol. 3. Upper Saddle River: Pearson Education, 2009.

[25]             C.S.N. Shitole, O. Zahran, and W. Al-Nuaimy, "Combining fuzzy logic and neural networks in classification of weld defects using ultrasonic time-of-flight diffraction", Insight, Vol 49, No 2, February 2007.

[26]             G.A. Carpenter and S. Grossberg. "The ART of adaptive pattern recognition by a self-organizing neural network", Computer, 21, No. 3, 2008, pp. 77-88.

[27]             O. Kisi, “Multi-layer perceptrons with Levenberg- Marquardt training algorithm for suspended sediment concentration prediction and estimation”, Hydrological Sciences–Journal–des Sciences Hydrologiques, 49(6), December 2004.

[28]             L.M. Baltar, C.A.M. Baltar, “Effect of carboxy methyl cellulose on gypsum re-hydration process”, International Journal of Mineral Processing, 125, 2013, pp. 5–9.