گزارش سمینار ارائه مقالات علمی و تحقیقی اساتید پوهنځی انجنیری سال 1403

 

پوهنتون کاتب، به عنوان یکی از معتبرترین مراکز آموزش عالی در افغانستان، همواره نقش مهمی در توسعه علم و فناوری داشته است. پوهنحی انجنیری پوهنتون کاتب، با تمرکز بر ارائه‌های تخصصی، تحقیقات نوآورانه، و آموزش کاربردی، محیطی پویا برای یادگیری و پژوهش فراهم کرده است. برنامه‌های درسی به‌روز و پروژه‌های پژوهشی این پوهنحی، نیازهای علمی و عملی صنعت ساخت‌وساز و انجنیری سیول را پوشش می‌دهد. تحقیقات اخیر اساتید، نشان از توانمندی آن در حل چالش‌های انجنیری سیول دارد. این ارائه‌ها نه تنها به بررسی تکنیک‌ها و روش‌های نوین پرداخته‌اند، بلکه کاربردهای عملی این فناوری‌ها را نیز مورد تحلیل قرار داده‌اند. در این گزارش، چهار ارائه از محققین پوهنحی انجنیری مورد بررسی  قرار گرفته که هر یک به جنبه‌ای از انجنیری سترکچر و فناوری‌های مرتبط به آن می‌پردازند. این ارائه‌ها شامل موضوعات زیر می‌شوند:

  • استفاده از سیخ‌های فایبرگلاس به جای فولاد در سترکچرهای آهن-کانکریتی.
  • بررسی تأثیر استفاده از مصالح سبک و سنگین در کاهش هزینه و زمان ساخت.
  • بهره‌گیری از میراگر جرمی تنظیم‌شونده برای بهینه‌سازی پاسخ لرزه‌ای سترکچرها.
  • کاربرد شبکه‌های عصبی عمیق در پایش سلامت سترکچرها.

ارائه اول: مقایسه سیخ فایبرگلاس و فولادی از لحاظ مقاومت و ابعاد عناصر ساختمان آهن‌کانکریتی

  • ارائه‌دهنده: استاد علی رضا علیزاده
  • چکیده: سیخ‌های فایبرگلاس به دلیل ویژگی‌هایی مانند مقاومت بالا در محیط‌های قلیایی، وزن کم، و خوردگی بسیار کم، جایگزین مناسبی برای سیخ‌های فولادی در ساختمان‌های آهن‌کانکریتی محسوب می‌شوند. تحقیق حاضر با مدل‌سازی سه ساختمان با طبقات مختلف (3منزله، 5 منزله و 7 منزله) در نرم‌افزار ETABS نشان داد که استفاده از فایبرگلاس باعث کاهش حجم کانکریت و وزن سیخ‌ها شده و در نتیجه، زمان و هزینه ساخت کاهش می‌یابد.
  • نتایج کلیدی:

o          کاهش وزن سیخ‌ها تا 10%

o          کاهش قابل‌توجه در حجم کانکریت، به‌ویژه در ساختمان‌های 5 طبقه.

o          بهبود عملکرد لرزه‌ای سازه به دلیل کاهش نیروی زلزله.

  • پیشنهادات: استفاده از سیخ‌های فایبرگلاس در سترکچرهای حساس مانند پل‌ها و ساختمان‌های بلندمرتبه

 

 

ارائه دوم: تأثیر استفاده از مواد سبک نوین و سنگین در اقتصاد، زمان و ابعاد

  • ارائه‌دهنده: استاد محمد رفیع توفیق
  • چکیده: این تحقیق به مقایسه مصالح نوین (بلوک هبلکس) و مصالح سنتی (خشت) در ساختمان‌های 7 طبقه پرداخته است. استفاده از هبلکس منجر به کاهش هزینه، زمان ساخت، و نیروی کار شده است، در حالی که استفاده از خشت هزینه‌ها را افزایش داده است.
  • نتایج کلیدی:

o          استفاده از خشت باعث افزایش 27% هزینه کل ساختمان نسبت به هبلکس می‌شود.

o          هبلکس منجر به کاهش تعداد کارگران و زمان اجرای پروژه می‌شود.

o          کاهش وزن سازه با استفاده از هبلکس باعث بهبود عملکرد لرزه‌ای ساختمان می‌شود.

  • پیشنهادات: گسترش استفاده از هبلکس در ساختمان‌های کرکاس برای کاهش هزینه‌ها و بهبود عملکرد سازه.

ارائه سوم: بهینه‌سازی پاسخ ساختمان‌های با ارتفاع متوسط با استفاده از میراگر جرمی تنظیم‌شونده از طریق شبکه عصبی

  • ارائه‌دهنده: استاد هادی فصیحی
  • چکیده: این پژوهش به بررسی تأثیر میراگر جرمی تنظیم‌شونده (TMD) در کاهش پاسخ لرزه‌ای سترکچرها چندطبقه پرداخته است. طراحی و بهینه‌سازی TMD با استفاده از الگوریتم ژنتیک و شبکه عصبی، باعث کاهش جابجایی نسبی طبقات و بهبود پایداری سترکچرشده است.
  • نتایج کلیدی:

o          کاهش جابجایی نسبی طبقات بین 10% تا 37%

o          عملکرد بهتر TMD در طبقات بالایی سازه.

o          شبکه عصبی توانست با دقت بالا و خطای کمتر از 2% پاسخ‌های لرزه‌ای را پیش‌بینی کند.

  • پیشنهادات: استفاده از TMD در سترکچر بلندمرتبه و بهینه‌سازی پارامترهای طراحی با استفاده از ابزارهای هوش مصنوعی.

ارائه چهارم: کاربرد شبکه عصبی و یادگیری عمیق در انجنیری سترکچر

  • ارائه‌دهنده: استاد هادی فصیحی
  • چکیده: این تحقیق مروری بر کاربردهای شبکه‌های عصبی عمیق در پایش سلامت سترکچر (SHM) دارد. یادگیری عمیق با پردازش داده‌های نظارتی می‌تواند تشخیص آسیب‌های سترکچری و ارزیابی وضعیت را بهبود بخشد.
  • نتایج کلیدی:

o          شبکه‌های عصبی عمیق ابزار قدرتمندی برای تحلیل داده‌های نظارتی هستند.

o          تشخیص آسیب‌های سترکچرها با دقت بالا.

o          ضرورت توسعه مجموعه داده‌های بزرگ و معماری‌های جدید شبکه.

  • پیشنهادات: گسترش تحقیقات در حوزه یادگیری عمیق برای پایش سلامت سترکچرها و استفاده از این رویکردها در پروژه‌های بزرگ زیربنایی.

جمع‌بندی و نتیجه‌گیری کلی

چهار ارائه فوق نشان‌دهنده اهمیت و پیشرفت‌های نوین در انجنیری سترکچر هستند. استفاده از مصالح جدید مانند فایبرگلاس و هبلکس، و ابزارهای نوین مانند شبکه‌های عصبی و TMD، تأثیر قابل‌توجهی در کاهش هزینه‌ها، بهبود عملکرد لرزه‌ای و افزایش دقت تحلیل‌ها دارند. هر کدام از این مطالعات، راهکاری عملی برای چالش‌های موجود در انجنیری سترکچر ارائه داده‌اند. به‌ویژه:

  • مصالح نوین: کاهش وزن سترکچر و بهبود عملکرد اقتصادی.
  • هوش مصنوعی: دقت بالا در پیش‌بینی و تحلیل‌های لرزه‌ای.

 

پیشنهادات برای آینده:

  • گسترش استفاده از مصالح نوین و فناوری‌های پیشرفته در پروژه‌های عمرانی.
  • توسعه تحقیقات بیشتر در زمینه ترکیب هوش مصنوعی و انجنیری سترکچر برای بهبود دقت تحلیل‌ها و طراحی‌ها.

در قسمت پایانی این کنفرانس مقاله استاد هادی فصیحی با عنوان “بهینه‌سازی پاسخ ساختمان‌های با ارتفاع متوسط با استفاده از میراگر جرمی تنظیم‌شونده از طریق شبکه عصبی” به عنوان مقاله برتر انتخاب شد و از ایشان تقدیر به عمل آمد.

 

Sharing is caring!



Print

Comment is not allowed


2026-09-27