• Tidak ada hasil yang ditemukan

Prediction of expansion due to sulfate of fly ash and ground bottom ash mortar using Artificial neural network and Adaptive network-based fuzzy inference system

N/A
N/A
Nguyễn Gia Hào

Academic year: 2023

Membagikan "Prediction of expansion due to sulfate of fly ash and ground bottom ash mortar using Artificial neural network and Adaptive network-based fuzzy inference system"

Copied!
134
0
0

Teks penuh

Prediction of expansion due to sulfate of fly ash and ground bottom ash mortar using artificial neural network and adaptive network-based fuzzy inference system. TITLE Prediction of expansion due to sulphate of fly ash and ground bottom ash mortar using artificial neural network and adaptive network based fuzzy inference system.

ที่มาและความส าคัญของปัญหา

วัตถุประสงค์ของการวิจัย

ขอบเขตของการวิจัย

เถ้าลอยและเถ้าก้นเตา

การท าลายคอนกรีตเนื่องจากสารละลายซัลเฟต

ปัจจัยที่มีผลต่อการท าลายโดยสารละลายซัลเฟตและวิธีการป้องกัน

แบบจ าลองโครงข ่ายประสาทเท ียม

แบบจ าลองระบบการอนุมานความคลุมเครือแบบปรับตัวได้

โมเดลระบบอนุมานความกำกวมแบบปรับตัว (ANFIS) เป็นวิธีการปรับระบบ Learnable ambiguity ที่สามารถเรียนรู้ได้อย่างรวดเร็วเมื่อ เพื่อกำหนดกฎความกำกวมที่เหมาะสมสำหรับโมเดลคลุมเครือของระบบควบคุม Sugeno โมเดล ANFIS เป็นเครื่องมือที่ใช้ในกระบวนการเรียนรู้ที่จะทำ ปรับรูปร่างฟังก์ชันสมาชิกของตัวแปรนี้ ตัวแปรอินพุตและเอาต์พุตถูกกำหนดโดยสมการที่ใช้ในการคำนวณ ขั้นตอนการคำนวณและโครงสร้างพื้นฐานของ ANFIS แสดงในรูปที่ 5

งานวิจัยที่เกี่ยวข้อง

วัสดุที่ใช้ในงานวิจัย

เครื่องมือและอุปกรณ์ในการวิจัย

ขั้นตอนการทดสอบ

การสังเคราะห์แบบจ าลองโครงข่ายประสาทเทียม

การสังเคราะห์แบบจ าลองระบบอนุมานความคลุมเครือแบบปรับตัวตัวได้

การสังเคราะห์แบบจ าลองการถดถอย

ค่าสถิติที่ใช้ในการทดสอบแบบจ าลองการท านาย

สมบัติทางกายภาพของวัสดุ

ผลการทดสอบขนาดได้มาจากการทดสอบโดยใช้เครื่องวิเคราะห์ขนาดอนุภาค LS ขนาดอนุภาคเฉลี่ยของปูนซีเมนต์ปอร์ตแลนด์ประเภท 1 เถ้าลอย และเถ้าก้นเตาบดละเอียด ทั้งสองขนาดแสดงไว้ในตารางที่ 4 พบว่าปูนซีเมนต์ปอร์ตแลนด์ประเภท 1 และเถ้าลอยมีขนาดอนุภาคเฉลี่ย 11.2 และ 18 ตามลำดับ 0. ไมโครเมตร ในขณะที่เถ้าลอยละเอียด (SB) และเถ้าลอยขนาดใหญ่ (LB) มีขนาดอนุภาคเฉลี่ย 6.3 และ 22.2 ไมโครเมตร ตามลำดับ ของก้นเตาบดละเอียด พบว่า ปริมาณตะแกรงมาตรฐานเบอร์ 325 อยู่ในช่วงน้อยกว่า 5 เปอร์เซ็นต์ และอยู่ในช่วง 30-35 มวลเปอร์เซ็นต์ ทำให้ขนาดเฉลี่ยของอนุภาคเล็กและใหญ่ใหญ่ขึ้นประมาณ 3 เท่า แตกต่าง.

องค์ประกอบทางเคมีของวัสดุ

การขยายตัวของมอร์ต้าร์ในสารละลายซัลเฟต

เมื่อใช้เถ้าลอยแทนซีเมนต์ในอัตราส่วน 10 ถึง 60 เปอร์เซ็นต์ พบว่าช่วยลดการขยายตัวของโซเดียมซัลเฟตและสารละลายแมกนีเซียมซัลเฟตได้ พิจารณาได้จากภาพประกอบที่ 13 และ 14 ซึ่งแสดงความสัมพันธ์ระหว่างค่าการขยายตัวของเถ้าลอยในสารละลายโซเดียมซัลเฟต และแมกนีเซียมซัลเฟตตามลำดับ จะเห็นได้ว่าการใช้เถ้าลอยในสัดส่วนที่สูงกว่าสามารถช่วยลดการขยายตัวของปูนได้ จากภาคผนวก A1 และ A2 พบว่าปูนผสมเถ้าลอย 60% และ 60% แช่ในสารละลายโซเดียมซัลเฟต 5% มีการขยายตัว โดย 51 ซัลเฟตอาจส่งผลต่อกำลังอัดของปูน การใช้เถ้าลอยและเถ้าก้นเตาบดละเอียดในปริมาณที่มากขึ้น จะทำให้ปูนมีความต้านทานซัลเฟตเพิ่มขึ้น และมีทิศทางเดียวกันกับงานวิจัยของอินทธาและชีรารถ (2557) ซึ่งใช้เถ้าลอยและเถ้าก้นเตาบดละเอียดจากแหล่งเดียวกับการทดลองซึ่งมาจากโรงไฟฟ้าแม่เมาะ พบว่าการใช้เถ้าลอยบดละเอียดและเถ้าก้นเตาจะช่วยเพิ่มคุณสมบัติของคอนกรีตได้ f) แทนที่ด้วยโพรงก้นเตาร้อยละ 50 (g) แทนที่ด้วยโพรงก้นเตาร้อยละ 60 ภาพประกอบที่ 17 การขยายตัวเนื่องจากแมกนีเซียมซัลเฟตของปูนผสมกับโพรงก้นเตา 6.3 ไมครอน

การสังเคราะห์แบบจ าลองการถดถอย

การสังเคราะห์แบบจ าลองโครงข่ายประสาทเทียม

การสังเคราะห์แบบจ าลองระบบอนุมานความคลุมเครือแบบปรับตัวตัวได้

การเปรียบเทียบผลการท านายการขยายตัวของแบบจ าลองต่างๆ

a) กราฟผลการทดลอง (b) โมเดล MLR รูปที่ 31 กราฟ 3 มิติ ผลลัพธ์ที่ทำนายการขยายตัวเนื่องจากโซเดียมซัลเฟตของมอร์ตาร์ ข้อมูลการฝึกอบรมแบบจำลอง ข้อมูลการทดสอบ a) กราฟของผลการทดลอง (b) แบบจำลอง MLR รูปที่ 33 กราฟ 3 มิติ ผลลัพธ์ของการทำนายการขยายตัวเนื่องจากโซเดียมซัลเฟตของปูน ข้อมูลการทดสอบข้อมูลการฝึกอบรมโมเดล

สรุปผลการวิจัย

ข้อเสนอแนะ

แผนผังโครงขำยประสำทเทียมเพอรเซปตรอน

60 ซัลเฟตและแมกนีเซียมซัลเฟตของมอร์ต้าผสมกับเถ้าลอยและเถ้าก้นเตาเผาถูกบดด้วยแบบจำลองโครงข่ายประสาทเทียม ดังนี้ 4.5.1 การทำนายการขยายตัวของโซเดียมซัลเฟตของมอร์ตาร์เถ้าลอยโดยแบบจำลองสังเคราะห์ที่จำลองโครงข่ายประสาทเทียม ชั้นซ่อนที่ 1 ชั้นเอาท์พุต 64 4.5.2 การทำนายการขยายตัวด้วยแมกนีเซียมซัลเฟตของปูนคาร์บอนที่ลอยอยู่ด้วยแบบจำลองสังเคราะห์ การจำลองโครงข่ายประสาทเทียม ชั้นซ่อนชั้นที่ 1 ชั้นเอาท์พุต 72 4.5.4 การทำนายการขยายตัวด้วยแมกนีเซียมซัลเฟตของปูนก้นเตาเผาโดยการสังเคราะห์แบบจำลอง การจำลองโครงข่ายประสาทเทียม เลเยอร์เอาต์พุตเลเยอร์ที่ซ่อนอยู่ที่ 1

แผนผ ังโครงขำยประสำทเท ียมแบบ Backpropagation

โครงสร้ำงพื้นฐำนของกำรประมวลผลแบบควำมคลุมเครือ

ผสมเถ้าลอยโดยใช้แบบจำลอง ANN กับชั้นที่ซ่อนอยู่ 2 ชั้น 68 4.5.3 การทำนายการขยายตัวเนื่องจากโซเดียมซัลเฟตของปูนผสมกับเถ้าก้นเตาโดยแบบจำลองสังเคราะห์ การจำลองโครงข่ายประสาทเทียม ชั้นซ่อนที่ 1 ชั้นเอาท์พุต ผสมฐานเตาหลอมกับรุ่น ANN ชั้นซ่อน 2 ชั้น 4.6.2 การทำนายการขยายตัวเนื่องจากแมกนีเซียมซัลเฟตของมอร์ตาร์เถ้าลอยโดยการกำหนด R แบบจำลองสังเคราะห์ จำลองระบบอนุมานความกำกวมแบบปรับตัวได้ gaussmf gaussmf gaussmf gbellmf gbellmf gbellmf pimf pimf pimf trapmf trapmf trapmf trimf trimf trimf ผลกระทบของเถ้าลอยและควันซิลิกาต่อความต้านทานของปูนต่อการโจมตีของกรดซัลฟิวริกและซัลเฟต

ระบบกำรอนุมำนของฟัซซีลอจิกโดยวิธีของ Sugeno

โครงสร้ำงพื้นฐำนของแบบจ ำลองระบบอนุมำนควำมคลุมเครือแบบปรับตัวตัวได้ 21

SB (เถ้าก้นเล็ก) หมายถึง ขี้เถ้าก้นเตาขนาดเล็กที่บดละเอียด โดยมีอนุภาคตกค้างบนตะแกรงมาตรฐานเบอร์ 325 ในปริมาณมาก น้อยกว่า 5 เปอร์เซ็นต์ของน้ำหนัก

ภำพถ่ำยขยำยอนุภำคของปูนซีเมนต์ปอร์ตแลนด์ประเภทที่ 1 ก ำลังขยำย 1000

ภำพถ่ำยขยำยอนุภำคของปูนซีเมนต์ปอร์ตแลนด์ประเภทที่ 1 ก ำลังขยำย 2000

ภำพถ่ำยขยำยอนุภำคของเถ้ำลอย (FA)

ภำพถ่ำยขยำยอนุภำคของเถ้ำก้นเตำก่อนบด (OB)

ภำพถ่ำยขยำยอนุภำคของเถ้ำก้นเตำบดละเอียดขนำดใหญ่ (LB)

ภำพถ่ำยขยำยอนุภำคของเถ้ำก้นเตำบดละเอียดขนำดเล็ก (SB)

กำรขยำยตัวเนื่องจำกโซเดียมซัลเฟตของมอร์ต้ำผสมเถ้ำลอย (ก)-(ช)

กำรขยำยตัวเนื่องจำกแมกนีเซียมซัลเฟตของมอร์ต้ำผสมเถ้ำลอย (ก)-(ช)

กำรขยำยตัวเนื่องจำกโซเดียมซัลเฟตของมอร์ต้ำผสมเถ้ำก้นเตำ 6.3 ไมครอน (ก)-

กำรขยำยตัวเนื่องจำกโซเดียมซัลเฟตของมอร์ต้ำผสมเถ้ำก้นเตำ 22.2 ไมครอน (ก)-

85 4.7.3 ผลลัพธ์ของการเปรียบเทียบกราฟ คาดการณ์การขยายตัวเนื่องจากโซเดียมซัลเฟตของมอร์ ข้อมูลการทดสอบแบบจำลองข้อมูลการทดสอบ ASTM C 618: ข้อกำหนดมาตรฐานสำหรับเถ้าลอยถ่านหินและปอซโซลานธรรมชาติแบบดิบหรือเผาสำหรับใช้ผสมแร่ในคอนกรีตปูนซีเมนต์ปอร์ตแลนด์

Referensi

Dokumen terkait

"Nonlinear adaptive control using a fuzzy switching mechanism based on improved quasi-ARX neural network", The 2010 International Joint Conference on Neural Networks IJCNN, 2010