Kimyasal ankrajların eksenel çekme etkisi altında davranışlarının deneysel ve analitik olarak incelenmesi

Abstract

Türkiye'de mevcut betonarme yapı stokunun önemli kısmı betonarmedir. Gelişen teknoloji ve yeni deprem yönetmeliklerindeki ağır yaptırımlara rağmen mevcut yapı stokunun önemli bir kısmının deprem açısından yeterli performans gösteremeyeceği ve acil olarak güçlendirilmeye ihtiyacı olduğu bilinmektedir. Geleneksel güçlendirme işlemlerinde sıklıkla tercih edilen betonarme mantolama ve perde ekleme gibi yöntemlerde mevcut yapı ile yeni eklenecek elemanlar arasında bağlantı epoksi yardımıyla ekilmiş kimyasal ankrajlar ile olmaktadır. Güçlendirilmiş yapıdaki ankrajların münferit performansı (mevcut yapı içinden sıyrılıp çıkmaması) yapılacak güçlendirme ile yapını ulaşılacağı global deprem performansını direkt etkilemektedir. Bu nedenle ankrajların uygulanması güçlendirmenin en önemli aşamasıdır. Ankrajların üzerlerindeki eksenel çekme kuvvetini oluşacak aderans gerilmeleri ile karşılaşması beklenmektedir. Bu yeterlilikte olmayan ankrajlar beton içinden sıyrılıp çıkacaktır. Ankrajların beton içinden sıyrılıp çıkmaması pek çok etmene bağlıdır. Ankraj derinliği, ankraj çapı, delik çapı, açılan deliklerin temizliği ve beton sınıfı gibi faktörler ankrajların çekme etkisi altında performanslarını etkileyen faktörlerdendir. Bu çalışmada kimyasal ankrajların çekme etkisineki davranışını gözlemleyebilmek için farklı beton sınıfına, donatı çapına, ankraj derinliğine, açılan deliklerin büyüklüğüne ve açılan deliklerin temizliğine göre 108 adet ankraj numunesi hazırlanmış ve bu numunelere çekip çıkarma deneyi yapılmıştır. Elde edilen veriler ile ankrajların eksenel yük kapasiteleri ve bu parametrelere bağlı olarak oluşan göçme durumları deneysel ve analitik olarak incelenmiştir. Ek olarak deney sonuçlarından elde edilen veriler hem literatürde sıklıkla kullanılan amprik bağıntılar hem de sınıflandırma ve tahminlerde yaygın olarak kullanılan yapay sinir ağları (YSA), destek vektör makinesi (SVM), olasılıksal dereceli azalma (SGD), ağaçlar (Tree) ve rassal orman (RF) algoritmaları ile test edilmiş ve deneysel sonuçlarla karşılaştırılmıştır. Çalışma sonucuna göre ankraj derinliğinin artması doğrusal olarak ankrajların yük kapasitelerini arttırdığı gözlemlenmektedir. Beton sınıfı ve donatı çapının artması benzer şekilde yük kapasitelerini arttırmaktadır. Su ile temizlenen deliklere ekilen numuneler, hava ile temizlenerek ekilen numunelere göre daha yüksek eksenel yük kapasitelerine ulaşmaktadır. Delikler hiç temizlenmeden ekilen ankrajlarda ise diğer durumlara oranla önemli oranda eksenel yük kapasitelerinde düşüş yaşanmıştır. Yapılan analitik çalışmada YSA algoritması diğer algoritmalara göre daha iyi bir tahmin başarısına (R2 =0,783) sahip olduğu gözlemlenmektedir. Amprik bağıntıların başarısı ise sınırlı kalmıştır.

Significant portion of the existing building stock in Turkey is consisting of buildings made of reinforced concrete. Despite the heavy sanctions in developing technology and new earthquake codes, it is known that a significant portion of the existing building stock cannot perform sufficiently in terms of earthquake and needs to be strengthened urgently. In conventional reinforcement processes, such as reinforced concrete jacketing and adding shear wall methods, the connection between the existing structure and the newly added elements is done via chemical anchors with epoxy. The individual performance of the anchored anchors (whether or not they peel off from the existing structure) directly affects the global earthquake performance to be achieved by strengthening the structure. Therefore, the implementation of anchors is the most important phase of reinforcement. Anchors that do not have this qualification will peel off from the concrete. The fact that the anchors are stripped off from the concrete depends on many factors. Factors such as anchor depth, anchor diameter, hole diameter, opening hole cleaning and concrete class are the factors affecting the performance of anchors under pulling effect. In this study, to observe behavior of anchors under pure tension, 108 different samples were prepared and pull-out test was conducted. According to the different concrete class, reinforcement bar diameter, anchor depth, the size of the opening holes and the cleaning of the drilled holes, 108 pull out tests were carried out and the axial load capacities and the failure conditions due to these parameters were examined experimentally and analytically. In addition, the data obtained from the experimental results were compared by using artificial neural networks (ANN), support vector machine (DVM), stochastics gradient descent (SGD), trees and random forest (RF) algorithms commonly used in classification and estimation. According to the results of the study, it is observed that the increase of anchorage depth linearly increases their load capacity. The increase in concrete class and reinforcement diameter increases the load capacities similarly. Specimens that are sown in water-cleaned holes reach higher axial load capacities than air-cleaned. While the axial load capacities of non-cleaned holes were decreased significantly compared to the other cases. In the analytical study, it is observed that the ANN algorithm has a better estimation success (R2 = 0.783) than other algorithms. The success of the emprical formulas did not give satisfactory results.