Betonarme konsol istinat duvarlarının optimum tasarımı
Öz
Mühendislik
tasarımlarında, güvenlik koşullarını sağlayacak en düşük maliyete sahip
sonuçların elde edilmesi amaçlanmaktadır. Ancak güvenlik koşullarını sağlayan
seçenekler içerisinde en düşük maliyetli çözüm, tasarımcının tecrübeli olması
durumunda dahi bulunamayabilir. Özellikle mekanik özellikleri ve birim
fiyatları birbirinden oldukça farklı iki malzemenin kullanıldığı betonarme
yapıların tasarımında bu amacın gerçekleşmesi daha zor olabilir. Bu çalışma
kapsamında statik ve dinamik yükler etkisindeki konsol tipi betonarme istinat
duvarlarının en uygun (optimum) tasarımın elde edilmesi amacıyla metasezgisel
algoritmalardan “Öğretme-öğrenme tabanlı optimizasyon” (ÖÖTO) algoritmasını
temel alan bir yöntem önerilmiştir. Optimizasyon sürecinde istinat duvarı
stabilitesi (devrilme, kayma ve zemin gerilmesi), kesit kapasiteleri (eğilme
momenti, kesme kuvveti) ve betonarme tasarım kurallarını içeren 29 kontrol
yapılmıştır. Optimizasyon işleminde 5’i duvar kesiti 12’si betonarme tasarımı
ile ilgili olmak üzere toplam 17 değişken kullanılmıştır. İstinat duvarlarının
boyutlandırmasında, TS 7994 (Zemin Dayanma Yapıları; Sınıflandırma, Özellikleri
ve Projelendirme Esasları) kuralları göz önünde bulundurulmuştur. Betonarme
tasarımında ise yürürlükteki ilgili yönetmelikler olan TS 500 (Betonarme
Yapıların Tasarım ve Yapım Kuralları) ve DBYBHY (Deprem Bölgelerinde Yapılacak
Binalar Hakkında Yönetmelik) kuralları uygulanmıştır. Çalışmada önerilen yöntem
ile elde edilen sonuçlar mevcut yöntemler ile karşılaştırılmış ve yöntemin
konsol tipi betonarme istinat duvarlarının optimum tasarımının bulunmasında
uygun olduğu görülmüştür.
Anahtar Kelimeler
Kaynakça
- Goldberg DE. Genetic Algorithms in Search, Optimization, and Machine Learning. Boston, USA, Addion-Wesley, 1989.
- Kennedy J, Eberhart R. "Particle swarm optimization". IEEE International Conference on Neural Networks, Perth, WA, Australia, 27 November-1 December 1995.
- Kirkpatrick S, Gelatt CD Jr, Vecchi MP. "Optimization by simulated annealing". Science, 220(4598), 671-80, 1983.
- Dorigo M, Maniezzo V, Colorni A. "Ant system: Optimization by a colony of cooperation agents". IEEE Transactions on Systems, Man, and Cybernetics-Part B: Cybernetics, 26(1), 29-41, 1996.
- Erol OK, Eksin I. "A new optimization method: Big Bang Big Crunch". Advances in Engineering Software, 37(2), 106-111, 2006.
- Geem ZW, Kim JH, Loganathan GV. "A new heuristic optimization algorithm: Harmony search". Simulation, 76(2), 60-68, 2001.
- Yang XS. "Firefly algorithms for multimodal optimization". 5th international conference on Stochastic algorithms, Sapporo, Japan, 26-28 October 2009.
- Yang XS. "A New Metaheuristic Bat-Inspired Algorithm". Editors: González JR, Pelta DA, Cruz C, Terrazas G, Krasnogor N, Nature Inspired Cooperative Strategies for Optimization (NICSO 2010), 65-74, Berlin, Heidelberg: Springer Berlin Heidelberg, 2010.
Ayrıntılar
Birincil Dil
Türkçe
Konular
Mühendislik
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
18 Aralık 2018
Gönderilme Tarihi
9 Ağustos 2017
Kabul Tarihi
-
Yayımlandığı Sayı
Yıl 2018 Cilt: 24 Sayı: 6