Keywords : Ultimate Load


Experimental Comparative Study on Composite RC T-Beams Behavior with Diverse Distributions of Headed Studs in Sagging –Moment Tensioned Concrete Media(English)

L. Kh. Al- Hadithy; M. R. M. Al-Alusi

Al-Rafidain Engineering Journal (AREJ), 2013, Volume 21, Issue 1, Pages 101-114
DOI: 10.33899/rengj.2013.67357

لغرض تقييم تأثير أعداد ونمط ترتيب روابط القص الوتدية ذوات الرؤوس في العتبات الخرسانية المسلحة بسيطة الارتكاز ذوات الوترات المصبوبة جزئيا والمرتبطة داخليا بحديد ساقية عند أسطحها السفلى ، تم تنفيذ منهاج تجريبي باستخدام ثلاث حالات من أعداد الأوتاد وتوزيعها إضافة إلى حالة السيطرة الخالية من الأوتاد .
لقد تبين إن حالة العتبة الحاوية على عدد معتدل من الأوتاد وغير متجانسة التوزيع بمسافات داخلية بين الأوتاد لا تقل عن عرض وترة العتبة تجمع المزايا الساندة للعتبتين الآخريتين اللتين تضمان أوتاد متجانسة التوزيع إحداهما غزيرة والأخرى متباعدة مع تحاشي عيوبها المحتملة . على وجه التحديد ، فان مجالات أفضلية العتبة المثلى هي : الجساءة والمطاوعة والمقاومة القصوى الإنثنائية ، إضافة إلى تقييد الانزلاق النسبي وخصائص الوحدة التمامية . رغم احتجاز الخرسانة في نطاق حديد الساقية ، فان انخفاضات حادة في مستويات مقاومة الانحناء القصوى والوحدة التمامية قد حصلت عند إزالة روابط القص .

Modeling of ultimate load for R.C. beams strengthened with Carbon FRP using artificial neural networks

Dr. Salim T.Yousif; Majid A. AL- Jurmaa; Majid A. AL- Jurmaa

Al-Rafidain Engineering Journal (AREJ), 2010, Volume 18, Issue 6, Pages 28-41
DOI: 10.33899/rengj.2010.34813

Abstract

The use of carbon fiber reinforced composite materials is an accepted technology that is being used in practice to strengthen existing reinforced concrete (R/C) elements. An artificial neural network (ANN) model was developed using past experimental data on flexural failure of R/C beams strengthened by carbon FRP. The input parameters cover the carbon sheet properties, beam geometrical properties and reinforcement properties; the corresponding output is the ultimate load capacity. The ANN prediction and the measured experimental values are compared with load prediction of ACI440.2R-02 formulas. A sensitivity study of parameters that affect ultimate load of R/C beams strengthened by carbon FRP is carried out. It is concluded that ANN can predict, to a good degree of accuracy, the ultimate load capacity of R/C beams strengthened by carbon FRP and it is a viable tool to carry out parametric study of flexural behavior of R/C beams strengthened by carbon FRP.

Keywords: carbon FRP, Reinforced Concrete Beam, Ultimate Load, and Neural Network