مدل سازی ضریب انتشار یون کلرید در بتن حاوی پوزولان متاکائولن در منطقه پاششی جزیره قشم
محل انتشار: ششمین کنفرانس ملی سالیانه بتن ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 787
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCICI06_113
تاریخ نمایه سازی: 6 آذر 1393
چکیده مقاله:
امروزه سازه های بتنی نقش بسیار مهمی در زیرساختهای هر جامعه ای دارند. بنابراین شرایط و عملکرد این سازه ها از اهمیت ویژه ای برخوردار است. در سالهای اخیر تعداد زیادی از سازه های بتنی در مناطق دریایی کشورهای مختلف دنیا و مخصوصا خلیج فارس دچار آسیب دیدگی و یا خرابی زودرس شده اند. تخریب بتن در محیطهای کلریدی و خورنده ازجمله رایجترین این خرابیها در سازه های بتن مسلح بوده و یکی از مهمترین مشکلاتی است که مهندسان عمران امروزه در نگهداری سازه های بتن مسلح با آن مواجه میباشند. بنابراین لزوم بررسی فرایند انتشار یون کلرید و تخمین ضریب انتشارپذیری یون کلرید در بتن به منظور تخمین عمر مفید سازه های بتنی در شرایط محیطی مهاجم همچون منطقه خلیج فارس ضروری به نظر می رسد. در مطالعه حاضر به مدل سازی ضریب انتشار یون کلرید در بتن بر اساس طرح مخلوط های بتنی حاوی پوزولان متاکائولن با نسبت آب به مواد سیمانی ثابت و با 50 ماه رویارویی در منطقه پاششی جزیره قشم پرداخته شده است. این مدل تجربی بر اساس قانون دوم انتشار فیک و تحلیل خطی رگرسیون روی نتایج سایت قشم بدست آمده است. نتایج حاصل از سایت در منطقه پاششی با تقریب بسیار مناسبی با نتایج حاصل از مدل مطابقت دارد. نتایج نشان می دهد افزایش درصد جایگزینی متاکائولن در کاهش مقدار ضریب انتشار یون کلرید در بتن موثر می باشد. همچنین ضریب انتشار یون کلرید در بتن با گذشت زمان کاهش و با افزایش دما افزایش می یابد.
کلیدواژه ها:
نویسندگان
عطیه فراهانی
انستیتو مصالح ساختمانی، دانشکده مهندسی عمران، دانشکده فنی، دانشگاه تهران، تهران
محمدحسین تدین
انستیتو مصالح ساختمانی، دانشکده مهندسی عمران، دانشکده فنی، دانشگاه تهران، تهران
محمد شکرچی زاده
انستیتو مصالح ساختمانی، دانشکده مهندسی عمران، دانشکده فنی، دانشگاه تهران، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :