Betonarme ön üretimli makas kirişlerin değişen tasarım momentleri altında beton dayanımlarına bağlı optimal kesit değerlerinin belirlenmesi

Öz

Birçok endüstriyel tasarımlar ve mühendislik uygulamalarında olduğu gibi betonarme yapı elemanlarında da optimal tasarımlar hem performans hem de ekonomi açısından çok önemlidir. Betonarme yapı elemanlarının ekonomik tasarımı yönetmeliklerdeki koşul ve sınırlamalardan dolayı karmaşık bir tasarım zorluğuna sahiptir. Ayrıca tasarım aşamasında çok sayıda kesit seçeneği mevcuttur, bu yüzden genelde başlangıç kesit tercihleri ampirik olarak gerçekleştirilir ve ekonomik olmayan kesitlerin tercihi söz konusudur. Tasarım mühendisinin farklı eğilme momentleri altında ve farklı beton sınıfları için optimal donatı oranları ile tasarım yapması ekonomik kesitlerin elde edilmesini sağlayacaktır. Bu çalışmada, ön üretimli makas kirişlerinin kesitleri TS 500 hesap yöntemleri ile değişen tasarım eğilme momentleri ve beton sınıfları altında optimal kesit değerlerinin belirlenmesi için optimizasyon analizi yapılmıştır. Optimizasyon TS 500 ve TBDY-2018 kısıtları ile gerçekleştirilmiştir. Optimizasyon aracı olarak yaygın şekilde bilinen meta-sezgisel algoritmik yaklaşımlardan genetik algoritma tekniği kullanılmıştır. Bu amaçla model olarak farklı dayanımlı beton sınıflarına sahip makas kirişleri, basınç donatıları da dikkate alınarak, değişen tasarım eğilme momentleri altında kesit boyutları ve donatı kesit alanları minimum maliyeti verecek şekilde optimizasyonu yapılmıştır. Analiz sonuçlarında değişen tasarım eğilme momentleri altında beton sınıflarına bağlı olarak optimal kesit değerleri ve çekme donatısı oranlarındaki değişim belirlenmiştir.

Anahtar Kelimeler

• Ön üretimli makas kirişi
• Optimal donatı oranı
• Kiriş optimizasyonu
• Genetik algoritma

Determination of optimal cross-section values of precast roof beams under changing design bending moments and in terms of different concrete strengths

Abstract

As with many industrial designs and engineering applications, optimal designs in reinforced concrete building elements are very important both in terms of performance and economy. The economic design of reinforced concrete building elements has complex design problems due to the conditions and limitations in design codes. In addition, a large number of cross-section options are available at the design stage, so usually initial cross-section preferences are performed empirically and non-economical cross-sections are preferred. The design engineer's design under different bending moments and with optimal reinforcement ratios for different concrete classes will ensure that economical sections are obtained. In this study, optimization analysis was performed to determine optimal cross-section values under the changing design bending moments and concrete classes using TS 500 calculation methods of cross-sections of precast RC roof beams. Optimization was carried out with TS 500 and TBDY-2018 constraints. In optimization, the genetic algorithm technique has been used from widely known meta-Heuristic Algorithmic approaches. For this purpose, precast roof beams with different strength concrete classes and compression reinforcements are taken into account as a model, and the cross-section dimensions and reinforcement cross-sectional areas are optimized under varying design bending moments to give minimum cost. In the results of the analysis, optimal cross-section values and change in ratio of the longitudinal steel reinforcement were determined depending on concrete classes under changing design bending moments.

Keywords

• Precast roof beam
• Optimal reinforcement ratio
• Beam optimization
• Genetic algorithm

Kaynakça

1. [1] Yang XS. Nature-Inspired Optimization Algorithms. 1st ed. London, United Kingdom, Elsevier Inc. 2014.
2. [2] Yang XS. Introduction to Algorithms for Data Mining and Machine Learning. 1st ed. London, United Kingdom, Elsevier Inc., 2019.
3. [3] Mathern A, Steinholtz OS, Sjöberg A, Önnheim M, Ek K, Rempling R, Gustavsson E, Jirstrand M. "Multi-objective constrained Bayesian optimization for structural design". Structural and Multidisciplinary Optimization, 63, 689-701, 2020.
4. [4] Okwu MO, Tartibu LK. Metaheuristic Optimization : Nature-Inspired Algorithms Swarm and Computational Intelligence, Theory and Applications. 1st ed. Cham, Switzerland, Springer Nature, 2021.
5. [5] Shukla A, Tiwari R. Discrete Problems in Nature Inspired Algorithms. 1st ed. Boca Raton, Florida, USA, CRC Press, 2018.
6. [6] Kripka M, Medeiros GF, Lemonge ACC. "Use of optimization for automatic grouping of beam crosssection dimensions in reinforced concrete building structures". Engineering Structures, 99, 311-318, 2015.
7. [7] Yousef AH, Salama C, Jad MY, El-Gafy T, Matar M, Habashi SS. "A GPU based genetic algorithm solution for the timetabling problem". ICCES 2016-11th International Conference on Computer Engineering and Systems, Barcelona, Spain, 23 - 27 July 2016.
8. [8] Camp C, Pezeshk S, Cao G. "Optimized design of twodimensional structures using a genetic algorithm". Journal of Structural Engineering, 124(5), 551-559, 1998.

9. [9] Katsifarakis KL, Kontos YN. Genetic Algorithms: A Mature Bio-inspired Optimization Technique for Difficult Problems. Editors: Bennis F, Bhattacharjya R. Nature-Inspired Methods for Metaheuristics Optimization, 3-26, Cham, Switzerland, Springer Nature, 2020.
10. [10] Pezeshk BS, Camp CV, Chen D. "Design of nonlinear framed structures using genetic optimization". Journal of Structural Engineering, 126(3), 382-388, 2000.
11. [11] Turgut P, Gürel MA, Arslan A. "Genetik algoritma ile betonarme bir kirişin optimum tasarımı". Prof. Dr. A. Rifat Yarar Sempozyumu, İstanbul, Türkiye, 10 Aralık 1997.
12. [12] Deliktaş B, Türker HT, Coşkun H, Bikçe M, Özdemir E. "Betonarme kirişlerin optimum tasarımında genetik algoritma parametrelerinin etkisinin belirlenmesi". Fırat Üniv. Mühendislik Bilimleri Dergisi, 21(2), 125-132, 2009.
13. [13] Chehade FEH, Younes R, Mroueh H, Chehade FH. "Use of genetic optimization in parameter identification of reinforced concrete bridge girders". Innovative Infrastructure Solutions, 5(3), 1-13, 2020.
14. [14] Algedra M, Arafa M, Ismail M. "Optimum cost of prestressed and reinforced concrete beams using genetic algorithms". Journal of Artificial Intelligence, 4(1), 76-88, 2011.
15. [15] Camp C V., Pezeshk S, Hansson H. "Flexural design of reinforced concrete frames using a genetic algorithm". Journal of Structural Engineering, 129(1), 105-115, 2003.
16. [16] Adeli H, Sarma KC. Cost Optimization of Structures. 1st ed., West Sussex, England, John Wiley & Sons Ltd, 2006.
17. [17] Elliott KS. Precast Concrete Structures. 2nd ed. Boca Raton, Florida, USA, Taylor & Francis Group, 2017.
18. [18] Afet ve Acil Durum Başkanlığı. “Türkiye Bina Deprem Yönetmeliği”. Ankara, Türkiye, 30364, 2018.
19. [19] Türk Standartları Enstitüsü. “TS 500 Betonarme Yapıların Tasarım ve Yapım Kuralları”. Ankara, Türkiye, 500, 2000.
20. [20] Çevre ve Şehircilik Bakanlığı. “İnşaat Birim Fiyatlarına Esas İşçilik-Araç ve Gereç Rayiç Listeleri”. https://webdosya.csb.gov.tr/db/yfk/icerikler//insaatbirim-fiyatlari-2020-turkce-20200207124629.pdf (01.02.2021).
21. [21] Bachmann H, Steinle A. Precast Concrete Structures. 1st ed., Berlin, Germany, Ernst & Sohn, 2011.
22. [22] Ersoy U, Özcebe G, Canbay E. Betonarme : Davranış ve Hesap İlkeleri. 9. baskı, İstanbul, Türkiye, 2019.
23. [23] Eskişehir Osman Gazi Üniversitesi, “Betonarme_1_4”. http://mmf2.ogu.edu.tr/atopcu/index_dosyalar/Dersler/ Betonarme1/Sunular/Betonarme_1_4.pdf (26.10.2018).
24. [24] Coello CC, Hernández FS, Farrera FA. "Optimal design of reinforced concrete beams using genetic algorithms". Expert Systems with Applications, 12(1), 101-108, 1997.