Prediction of Pull-Out Performance of Chemical Anchors Embedded into Concrete


Creative Commons License

Topçu İ. B., Güler M., UYSAL M., Tanyıldızı H.

2nd International Conference on Engineering and Natural Science (ICENS 2016), Saraybosna, Bosnia And Herzegovina, 24 - 28 May 2016, pp.440-457

  • Publication Type: Conference Paper / Full Text
  • City: Saraybosna
  • Country: Bosnia And Herzegovina
  • Page Numbers: pp.440-457
  • Istanbul University Affiliated: Yes

Abstract

This paper summarizes the results of experimental research and prediction model focused on determination of the behavior of pull-out performance limits of what embedded into currently the most widespread concrete type of Turkey as C25/30. Rebars having 14, 16 and 18 mm diameters have been selected as the anchor rod in this study. Epoxy based three component chemical adhesive has been used for the connection between concrete and anchor bar. The depth of holes was in the range of 140 - 220 mm which had been selected various for 14, 16 and 18 mm bar diameters. The effect of the anchor depths, bar diameters and reinforcement diameter on the pull-out capacity of adhesive anchors is product dependent. Moreover, an attempt to predict the pull-out capacity of chemical anchors embedded into concrete using artificial neural
networks (ANNs) is presented. The problem is proposed to network models by means of three inputs and one output parameter. A multilayered feed-forward neural network trained with the different algorithm is constructed using 3 design variables as network inputs and the pull-out strength of adhesive anchors as the only output. Experimental results showed that increasing the anchor diameter and the depths of hole have increased pull-out performance of anchors. The best algorithm for collapse load of concrete is the Levenberg-Marquardt backpropagation with R2 of 0.9837. The results indicated that ANNs are useful technique for predicting the pull-out capacity of adhesive anchors.

Bu çalışmada, Türkiye'nin en yaygın beton türü olan C25 / 30'a ankrajlanan donatıların performans limitlerinin belirlenmesine odaklanan deneysel araştırma ve tahmin modelinin sonuçları özetlenmektedir. Çalışmada ankraj çubuğu olarak 14, 16 ve 18 mm çaplı donatılar seçilmiştir. Beton ve ankraj çubuğu arasındaki bağlantı için epoksi esaslı üç bileşenli kimyasal yapıştırıcı kullanılmıştır. Delik derinliği 14, 16 ve 18 mm ve donatı çapları için  140 - 220 mm aralığında seçilmiştir. Ankraj derinliklerinin, çubuk çaplarının ve donatı çapının epoksi esaslı ankrajların çekme kapasitesi üzerindeki etkisi epoksi ürününe bağlı olduğu bilinmektedir. Ayrıca, yapay sinir ağları (YSA) kullanılarak betona gömülen kimyasal ankrajların çekme kapasitesini tahmin etmeye yönelik bir girişimde bulunulmuştur. Problem tanımlanmış, üç giriş ve bir çıkış parametresi aracılığıyla ağ modellerine dönüştürülmüştür. Model, farklı algoritmalarla eğitilmiş çok katmanlı ileri beslemeli bir nöral ağ, ağ girdisi olarak 3 tasarım değişkeni ve tek çıkış olarak epoksi esaslı ankrajların çekme kuvveti kullanılarak inşa edilmiştir. Deneysel sonuçlar, ankraj çapının ve delik derinliklerinin arttırılmasının, ankrajların çekme performansını arttırdığını göstermiştir. Göçme yükü için en iyi algoritma, 0.9837 R2 ile Levenberg-Marquardt geri yayılımıdır. Sonuçlar, ANN'lerin epoksi esaslı ankrajların çekme kapasitesini tahmin etmek için yararlı bir teknik olduğunu göstermiştir.