Performance of corroded rectangular RC columns strengthened with CFRP composite under eccentric loading

Chotickai, Piya; Tongya, Pichai; Jantharaksa, Satja

doi:10.1016/j.conbuildmat.2020.121134

Cited by 20 publications

(5 citation statements)

References 43 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The test findings demonstrated that, with an average load rise of 16%, the hybrid method of repair considerably restores the nominal axial load-bearing capacity with lower deformability and stiffness. Additionally, CFRP's volumetric ratio was observed as the key reason behind the capacity enhancement of RC columns affected by corrosion as studied by Chotickai et al 12 . Kalyoncuoglu et al 13 noticed the confining effect of CFRP sheets on substandard corroded RC columns made with a low-quality grade of concrete.…”

Section: List Of Symbolsmentioning

confidence: 92%

Prediction of axial capacity of corrosion-affected RC columns strengthened with inclusive FRP

Kumar,

Arora,

Kumar

et al. 2024

Sci Rep

View full text Add to dashboard Cite

The primary cause behind the degradation of reinforced concrete (RC) structures is the propagation of corrosion in the steel-RC structures. Nowadays, numerous retrofitting techniques are available in the construction sector. Fiber-reinforced polymer (FRP) is one of the efficient rehabilitation measures that can be implemented on corroded structures to enhance structural capacities. However, the estimation of axial strength of FRP-strengthened columns affected by corrosion has been a challenging and tedious task in the laboratory as well as on the site. Considering such shortcomings, the prediction of axial capacity can be done using various analytical methods and artificial intelligence (AI) techniques. In this study, a comprehensive dataset of circular columns was extracted from the literature to predict the axial strength of FRP-wrapped and unstrengthened RC corroded columns. The laboratory results from the assembled dataset were compared to corresponding values estimated using relevant design codes provided by American Concrete Institute (ACI 440.2R-17 and ACI 318-19), and Bureau of Indian Standard (IS 456:2000). Five machine learning models were employed on columns to predict the axial load carrying capacity of FRP-strengthened and un-strengthened RC corroded columns. The results discovered that the extreme gradient boosting (XGBoost) model achieves superior accuracy with the least errors and could be used by the scientific community and FRP applicators to forecast the axial performance of corroded columns strengthened with and without FRP. The findings from the design codes revealed that prediction errors were available in high margins. Furthermore, feature importance analysis was conducted using the Shapley Additive exPlanation algorithm to know the contribution and influence of each input parameter on axial capacity. The feature analysis found that unconfined compressive strength of concrete plays an important role in deciding the axial capacity of columns. Moreover, to enhance the precision of axial capacity computation and improving the overall efficacy in engineering practice, a web-based user-friendly interface was developed for FRP applicators and engineers to simplify the process.

show abstract

Section: List Of Symbolsmentioning

confidence: 92%

Prediction of axial capacity of corrosion-affected RC columns strengthened with inclusive FRP

Kumar,

Arora,

Kumar

et al. 2024

Sci Rep

View full text Add to dashboard Cite

show abstract

“…Te collection database is a very important step in developing machine-learning models. A database of 137 specimens was collected from previous studies to aid in the learning of the proposed ANN algorithm [36][37][38][39][40][41][42][43][44][45][46]. Te details of the collected database are shown in Table 1.…”

Section: Methodsmentioning

confidence: 99%

Computational Intelligence-Based Structural Health Monitoring of Corroded and Eccentrically Loaded Reinforced Concrete Columns

Sharma

Arora

Kumar

et al. 2023

Shock and Vibration

View full text Add to dashboard Cite

Corrosion of embedded steel reinforcement is the prime influencing factor that deteriorates the structural performance and reduces the serviceability of reinforced concrete (RC) structures, especially during earthquakes. In structural elements, RC columns play a vital role in transferring the superstructure’s load to the substructure. The deterioration of RC columns can affect the structures’ overall performance. Hence, it becomes essential to estimate the remaining life of deteriorated RC columns. In the literature, only limited analytical models are available to calculate the remaining life of corroded and eccentrically loaded RC columns. As the number of dependent parameters increases, assessing the residual life of the structural elements and providing a practically applicable suitable model become very complex. Machine learning (ML)-based prediction models are beneficial in dealing with such complex databases. In this article, an ML-based artificial neural network (ANN), Gaussian process regression (GPR), and support vector machine (SVM) algorithms have been applied to estimate the residual strength of corroded and eccentrically loaded RC columns. The performance of the analytical and ML models is accessed using commonly used performance indices, namely, the coefficient of determination (R2), root mean square error (RMSE), mean absolute error (MAE), mean absolute percentage error (MAPE), a-20 index, and Nash–Sutcliffe (NS). The results of the proposed ANN model have been compared with the existing analytical model to identify the suitability of the best model. Based on performance analysis, the precision of the GPR and SVM models is lower than that of the ANN model. The processed results revealed that the R2 value of the ANN model for training, testing, and validation datasets is 0.9908, 0.9757, and 0.9855, respectively. The MAPE, MAE, RMSE, NS, and a-20 index for all the datasets are 8.31%, 48.35 kN, 72.53 kN, 0.9886, and 0.8978, respectively. The precision of the ANN model in terms of the coefficient of determination is 225.77% higher than that of the analytical model. The sensitivity analysis demonstrates that the compressive strength of concrete plays the most significant role in the load-carrying capacity of corroded and eccentrically loaded RC columns. The proposed ANN model is reliable, accurate, fast, and cost effective. This model can also be used as a structural health-monitoring tool to detect the early damages in the RC columns.

show abstract

“…Không giống như các nghiên cứu về hiệu quả gia cường của tấm CFRP đối với cột BTCT không bị ăn mòn, với số lượng nghiên cứu tương đối nhiều và sự hiểu biết về ứng xử cũng như hiệu quả gia cường của tấm CFRP bó hông đã được tương đối rõ [2][3][4][5][6][7][8][9][10][11], các nghiên cứu về cột BTCT có cốt thép bị ăn mòn gia cường bó hông bằng tấm FRP chịu nén lệch tâm có số lượng còn rất hạn chế; vì vậy, hiểu biết về các đặc tính kết cấu của cột bị ăn mòn gia cường bó hông bằng tấm CFRP chịu nén lệch tâm vẫn chưa được làm rõ và mang tính hệ thống. Cho đến thời điểm hiện tại, các nghiên cứu về ứng xử của cột BTCT bị ăn mòn được gia cường bó hông bằng tấm CFRP chịu nén lệch tâm, theo hình thức gia tải, có thể chia làm hai nhóm chính: (1) cột chịu nén đúng tâm kết hợp với tải trọng ngang theo chu kỳ như [12][13][14]; và (2) cột chịu nén lệch tâm tăng dần cho đến khi cột bị phá hoại như [15,16].…”

Section: đặT Vấn đềunclassified

“…Kết quả cho thấy khả năng chịu lực của cột tỷ lệ nghịch với độ lệch tâm. Tương tự, [16] khảo sát thực nghiệm 12 cột BTCT tiết diện vuông có kích thước 125×125×1375 mm và cường độ bê chịu nén của bê tông bằng 17,7 MPa. Mức độ ăn mòn của lồng thép lần lượt là 0%, 10% và 20%.…”

Section: đặT Vấn đềunclassified

Ứng xử nén lệch tâm của cột bê tông cốt thép bị ăn mòn được gia cường bằng tấm sợi các-bon

Tín¹,

Thắng²,

Long³

2023

TCKHCNXD

View full text Add to dashboard Cite

Bài báo nghiên cứu thực nghiệm ứng xử nén lệch tâm của cột bê tông cốt thép (BTCT) gia cường bằng tấm sợicác-bon (CFRP). Chương trình thực nghiệm được tiến hành trên hai mươi bốn cột BTCT kích thước cỡ trung(200Ö200Ö800 mm) gia cường bó hông bằng tấm sợi các bon (CFRP). Thông số khảo sát bao gồm bốn mức độ ăn mòn cốt thép (cốt dọc và cốt đai không bị ăn mòn, cốt dọc không bị ăn mòn và cốt đai bị ăn mòn 15%, cốt dọc và cốt đai cùng bị ăn mòn 15%, và cốt dọc bị ăn mòn 30% và cốt đai bị ăn mòn 15%), độ lệch tâm tương đối (0,125 và 0,375) và số lớp CFRP gia cường (một và ba lớp). Kết quả thực nghiệm cho thấy tấm CFRP giúp ngăn chặn một cách hiệu quả sự suy giảm khả năng chịu nén lệch tâm của cột bởi tác động tiêu cực của việc ăn mòn cốt thép và cải thiện rõ rệt khả năng chịu nén lệch tâm của cột (lên đến 47%); hiệu quả gia cường của tấm CFRP có xu hướng tỉ lệ thuận với mức độ ăn mòn của cốt thép. Sự ăn mòn cốt thép làm giảm mạnh hiệu quả của tấm CFRP trong việc cải thiện mức độ hấp thụ năng lượng và độ dẻo dai của cột cũng như làm giảm đáng kể biến dạng cuối cùng của tấm CFRP. Hiệu quả gia cường bó hông của tấm CFRP bị suy giảm theo sự gia tăng của độ lệch tâm.

show abstract

Performance of corroded rectangular RC columns strengthened with CFRP composite under eccentric loading

Cited by 20 publications

References 43 publications

Prediction of axial capacity of corrosion-affected RC columns strengthened with inclusive FRP

Prediction of axial capacity of corrosion-affected RC columns strengthened with inclusive FRP

Computational Intelligence-Based Structural Health Monitoring of Corroded and Eccentrically Loaded Reinforced Concrete Columns

Ứng xử nén lệch tâm của cột bê tông cốt thép bị ăn mòn được gia cường bằng tấm sợi các-bon

Contact Info

Product

Resources

About