6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 2011, Elazığ, Turkey Değişik Şartlarda Hazırlanmış SBS Modifiyeli Bitümün Viskozitesinin Yapay Sinir Ağları ile Modellenmesi B. V. Kök 1, M.Yılmaz 1, N. Kuloğlu 1, A.Şengür 2 1 Fırat Üniversitesi, Elazig /Turkiye bvural@firat.edu.tr 2 Fırat Üniversitesi, Elazig Modelling the Viscosity of SBS Modified Bitumen Prepared at Different Conditions With Artificial Neural Networks Abstract While the polymer modified bituminous binders exhibit excellent properties than pure binder they induce an increase in their viscosities. The viscosity of the bituminous binders is an indicator of the high temperature flow characteristic. The high temperature viscosity of the binders used for determining the under fluidity during the pumping and mixing, and for determining the mixing and compaction temperatures of the bituminous hot mixtures. The modified bitumen also can exhibit different reological properties according to preparation method. In this study the high temperature viscosity values of bitumen including 4% styrene-butadienestyrene (SBS) and prepared with different mixing time, temperature and rate were determined and also modelled with artificial neural networks. Tangent sigmoid, linear activation function and Levenberg-Marquart back propagation-learning algorithm was used for the hidden layer, output layer and learning of the model constructed in MATLAB respectively. 0.92 high correlation rate between the predicted and actual data was obtained with the model. Therefore the obtained model provides to overcome the exponentional experiment number occurring with the increase of mixing parameters and provides how the field conditions will be obtained at laboratory. Keywords Viscosity, modified bitumen, mixing conditions, artificial neural network. G I. GİRİŞ ünümüzde taşıt endüstrisinde meydana gelen hızlı gelişmeler nedeni ile asfalt kaplamalı yollar önemli derecede artan trafik yüklerine maruz kalmaktadır. Bu yükler olumsuz çevresel koşullarla birleşerek üst yapıda hızlı bir bozulma meydana getirerek üst yapının hizmet kabiliyetini beklenenden daha hızlı bir şekilde azaltmaktadır. Asfalt kaplamaların özelliklerini iyileştirerek üstyapının performansını arttırmak amacıyla katkı maddeleri kullanılmaktadır. Katkı maddeleri bitümlü bağlayıcıyla karıştırılabildiği gibi doğrudan karışıma da eklenebilmektedir [1]. Bitüme ilave edilen katkı maddeleri içerisinde en fazla polimer türü malzemeler kullanılmaktadır [2]. Stiren-butadienstiren (SBS), etilen-vinil-asetat (EVA), stiren-etilen-butilenstiren (SEBS), polietilen (PE) ve polipropilen (PP), polivinilklorid (PVC) gibi polimerler, bitümlü sıcak karışımlarda denenmiş ve stabilite, nem hasarına karşı dayanım, yorulma dayanımı gibi birçok parametresini olumlu yönde etkilediği belirlenmiştir [3-5]. Bitümlü bağlayıcının polimerler ile karıştırılma işlemi bağlayıcının mühendislik özellikleri bakımından oldukça önemli bir yer tutmaktadır. Bitümlü bağlayıcının polimerlerle modifikasyonu işleminde karıştırma aracına, zamana ve sıcaklığa bağlı olarak bitümün fiziksel ve kimyasal yapısında değişiklikler meydana gelmektedir. İstenilen özelliklerde ve stabil kompozisyonda bir modifikasyon elde etmek bu üç faktöre bağlıdır. Birçok polimer, bitüm içinde bazı sıcaklıklarda çözülememekte ve kümeler halinde dağılmakta ve iyi bir bağ kurulamamaktadır. Bir çok çalışmada değişik hız ve sıcaklıklar dikkate alınarak polimer modifikasyonu yapılmış ve farklı sonuçlar elde edilmiştir. Lepe [6], bitüm modifikasyonunda değişik hızları (1200, 8200 rpm) denemiş sonuçta yüksek karıştırma hızının stabil bir karışım elde etmede önemli olduğu ancak bu işlemin bitümün yaşlanmasına neden olarak reolojik özelliklerinin değişeceğine işaret etmiştir. Giuliani [7], polimer modifikasyonunda 500 ml alimimyum kaplara 250-260 gr asfalt koyarak 180 C sıcaklıkta ve rpm hızda karıştırma yapmıştır. Ouyang [8], SBS modifikasyonunu, bağlayıcı ve polimeri 170 C sıcaklıkta rpm hızda 25 dakika karıştırarak yapmıştır. Mouillet [9], SBS ve EVA modifikasyonlu bağlayıcıyı, 180 C sıcaklıkta 300 rpm hızda 2 saat karıştırarak hazırlamıştır. Larsen [10], farklı asfalten oranlarına sahip iki bağlayıcının SBS ile modifikasyonunda 4200 rpm ve 5800 rpm hızlarda ve farklı sürelerde karıştırma yapmış, bağlayıcıların 90 dakika ve 120 dakika sürelerde maximum viskoziteye sahip olduğunu belirtmiştir. Haddadi [11], bitüm modifikasyonunda karıştırma süre ve sıcaklığın önemli olduğunu belirtmiş ve EVA modifikasyonunda 300 rpm hız ve 180 C sıcaklığı esas almıştır. Karıştırma süresinin artması ile bağlayıcıların penetrasyon derecelerinin düştüğü ve 4 saat sonra sabit bir değere ulaştığını belirtmiştir. Yılmaz [12], SBS modifiyeli bağlayıcıların yüksek sıcaklık performans seviyesinin 150
B. V.Kök, M.Yılmaz, N.Kuloğlu, A.Şengür incelendiği çalışmasında, modifikasyon işleminde 500 rpm hız, 170 C sıcaklık ve 90 dakika karıştırma prosedürünü esas almıştır. Navarro [13], farklı SBS oranlarını dikkate alarak farklı sıcaklık ve karıştırma hızlarında bitüm modifikasyonu yapmış ve düşük polimer içeriğinde 180 C ve 1200 rpm hızda homojen bir dağılımın meydana geldiğini yüksek polimer içeriğinde ise bunun tersi olabileceğine işaret etmiştir. Günümüzde bitüm ve bitümlü sıcak karışımların modellenmesi ile ilgili sınırlı sayıda çalışma bulunmaktadır. Özşahin ve Oruç [14] emülsifiye asfaltların esneklik modülünü tahmin etmede yapay sinir ağlarını (YSA) kullanmışlardır. Far ve diğ. [15] bitümlü sıcak karışım tabakalarının dinamik modüllerini yüksek bir hassasiyetle YSA ile modellemişlerdir. Bitümün viskozitesini tahmin etmede istatistiksel ve YSA yöntemlerinin kullanıldığı çalışmada, YSA nın istatistiksel yöntemden daha iyi sonuç verdiği belirtilmiştir [16]. Bu çalışmada modifiye bitüm hazırlanmasında kullanılan değişik yöntemlerin bitümün viskozitesini nasıl etkilediği araştırılmış ve yapay sinir ağları ile modellenmiştir. II. MODİFİYE BİTÜMÜN HAZIRLANIŞI SBS in bitüme ne oranda katılacağı tamamen uygulama bölgesi iklim ve trafik şartlarına ve kullanılan bitümün özelliklerine bağlıdır. Burada amaç bitüm içinde sürekli bir polimer fazı oluşturmaktır. Uygulamada en çok %4-%6 oranında kullanılmaktadır. Bu çalışmada TÜPRAŞ rafinerisinden temin edilen B 160/220 sınıfı asfalt çimentosu saf bağlayıcı olarak seçilmiştir. Bitüm modifikasyonunda ise Shell Bitumen şirketi tarafından üretilen ve stiren-butadienstiren (SBS) blok kopolimer ihtiva eden KRATON D 1101 kullanılmıştır. Karışımdaki SBS içeriği, karıştırma tekniğindeki parametrelerin detaylı incelenebilmesi, polimer içeriğinin değişmesinden dolayı farklılık göstermemesi için %4 oranında sabit tutulmuştur. B 160/220 bağlayıcısının %4 SBS ile modifikasyonunda 500, 1000 ve devir/dakika olmak üzere üç farklı karıştırma hızı; 30, 60 ve 120 dakika olmak üzere üç farklı karıştırma süresi; 170, 180 ve 190 o C olmak üzere üç farklı karıştırma sıcaklığı ele alınarak 27 değişik kombinasyon oluşturulmuştur. Çalışmada hızı 0- devir/dakika aralığında ayarlanabilen hassas karıştırıcı (Şekil 1) kullanılmıştır. III. DÖNEL VİSKOZİMETRE DENEYİ Dönel vizkozimetre (RV) deneyi, bitümlü bağlayıcıların yüksek sıcaklıktaki akışkanlık karakteristiklerini belirlemek amacıyla uygulanmaktadır. Bu amaçla AASHTO TP48 standardına uygun olarak Brookfield Viskozimetresi kullanılmaktadır (Şekil 2). Bağlayıcıların yüksek sıcaklık vizkozite değerleri, pompalama ve karıştırma sırasında bağlayıcıların yeterince akışkan olduklarının tespiti amacıyla belirlenmektedir. Deneyde, bağlayıcı içerisinde 20 rpm hızla dönen bir milin, dönmeye karşı gösterdiği direnç ile viskozite değerleri elde edilmektedir. Orijinal bağlayıcılar üzerinde uygulanan RV deneyinde 135 C deki viskozite değerlerinin 3 Pa.s yi ( cp) aşmaması istenmektedir [17,18]. Dönel viskozimetre aynı zamanda bitümlü sıcak karışımların karıştırma ve sıkıştırma sıcaklıklarını seçmek amacıyla viskozite değerlerine karşılık gelen sıcaklık aralıklarını belirlemek amacıyla kullanılmaktadır [19]. Şekil 2: Brookfield DV-III Ultra Dönel Viskozimetresi Şekil 1: Modifiye Bitüm Karıştırma Sistemi Bu çalışmada 27 farklı şekilde hazırlanmış modifiye bitümün 135 C deki viskoziteleri tespit edilmiştir. Şekil 3-5 te farklı sürelerde, hızlarda ve sıcaklıklarda hazırlanmış bitümlerin viskozitelerindeki değişim görülmektedir. 151
Viskozite (cp) Viskozite (cp) Viskozite (cp) Değişik Şartlarda Hazırlanmış SBS Modifiyeli Bitümün Viskozitesinin Yapay Sinir Ağları ile Modellenmesi 500 1000 olduğu tespit edilmiştir. Ele alınan faktörler içerisinde viskozite üzerinde en etkisiz parametrenin karıştırma sıcaklığı olduğu görülmektedir. Ancak sadece 190 C karıştırma sıcaklığı yüksek karıştırma hızı ve süresinde çok etkili olmaktadır. Tablo 1 de bağlayıcıların viskozitelerinde meydana gelen değişim verilmiştir. Şekil 3: Katkılı bağlayıcının 30 dakika karıştırma süresinde 500 1000 Şekil 4: Katkılı bağlayıcının 60 dakika karıştırma süresinde 500 1000 Tablo 1: Bağlayıcıların viskozite değerleri (cp) Karıştırma Karıştırma Karıştırma süresi (dakika) sıcak. ( C) hızı(dev/dk) 30 (A) 60 (B) 120 (C) 500 (1) 1988 2200 170 1000 (2) 1988 2288 2862 (3) 2163 2738 500 (4) 1988 2013 2325 180 1000 (5) 1988 2300 2600 (6) 2288 2650 2850 500 (7) 2125 2225 2338 190 1000 (8) 2150 2225 2475 (9) 2375 2788 3700 Viskozitelerde değişik karıştırma şartlarında meydana gelen değişim iki sebepten kaynaklanmaktadır. Birincisi değişik karıştırma şartlarının, polimerin değişik oranlarda çözülmesini ve dağılmasını diğer bir ifade ile değişik polimerizasyon derecelerinin oluşmasıdır. İkincisi ise bağlayıcıda karıştırma esnasında terleme ve oksidasyon neticesinde meydana gelen değişimdir. Tablo 2 de karıştırma süre ve sıcaklığın artması ile dev/dk daki viskozitelerin 500 dev/dk. daki viskozitelere oranı incelendiğinde. Karıştırma süre ve sıcaklığın artması ile oranlarda düzenli bir artışın olmadığı görülmektedir. Bunun ise yukarıda belirtilen iki değişik sebepten kaynaklandığı düşünülmektedir. 120 dk ve 170, 180 C de karıştırma şartlarındaki viskozitelerin 60 dk. ve 170, 180 C de karıştırma şartlarındaki viskozitelerden düşük olması bu şartlarda polimerin özelliğini yitirdiği düşünülebilir. Buna karşın 120 dk. ve 190 C karıştırma şartlarında en yüksek olan viskozite değerinin ise aşırı terleme ve oksidasyon sonucu meydana gelen sertleşmeden kaynaklandığı düşünülmektedir. Bu sonuçlara göre B160/220 bağlayıcısının %4 SBS ile modifikasyonunda en iyi karıştırma şartlarının 180 C, 1000 devir ve 60 dk. olduğu tespit edilmiştir. Şekil 5: Katkılı bağlayıcının 120 dakika karıştırma süresinde SBS katkılı bağlayıcının viskozite değerinin 30 dk. karıştırma süresinde sıcaklığın artması ile 500 ve 1000 dev/dk karıştırma hızında viskozitenin değişmediği ancak 60 dk. ve 120 dk. karıştırma sürelerinde 500 dev/dk ile 1000 dev/dk. karıştırma hızlarındaki viskozite değerleri arasında da fark Tablo 2: Bağlayıcıların viskozite oranları (%) (A3 /A1) 8,8 (B3/B1) 25,0 (C3/C1) 24,4 (A6/A4) 15,0 (B6/B4) 31,6 (C6/C4) 22,5 (A9/A7) 11,7 (B9/B7) 25,3 (C9/C7) 58,2 IV. YSA İLE MODELLEME Yapay sinir ağları (YSA), biyolojik sinir ağları gibi yapay sinir hücrelerinin veya işlem elemanlarının bir araya 152
Gerçek Viskozite (cp). B. V.Kök, M.Yılmaz, N.Kuloğlu, A.Şengür gelmesinden oluşur. Her bir işlem elemanı Şekil 6 da görüldüğü gibi beş parçadan oluşur. Bunlar; girişler (X i ), ağırlıklar (W i ), toplama fonksiyonu, aktivasyon fonksiyonu (f) ve çıkıştır (V). 3900 3600 3300 2700 2400 2100 1800 Tahmin edilen Gerçek 0 2 4 6 8 10 12 14 16 Örbek sayısı Şekil 6: Yapay sinir hücresinin modeli. Şekil 7: YSA modeli ile elde edilen değerler ve gerçek değerler YSA hücresine birden fazla giriş gelmekte ve sadece tek çıkış üretilmektedir. Şekil 6 da verilmiş olan yapay sinir hücresine x 1, x 2, x 3,...x m giriş işaretleri, uygulanmaktadır. Her giriş işareti, w 1, w 2, w 3... w m ilgili ağırlık değerleriyle çarpılırken basit hücre modelinde, Net çıkısı denklem 1 ile, V çıkış ifadesi denklem 2 ile ifade edilebilir [20]. m u xiwi b i 1 (1) v f(u) (2) Bu çalışmada, yapay sinir ağları ile değişik şartlarda hazırlanmış SBS modifiyeli bitümün viskozitesinin modellenmesi gerçekleştirilmiştir. Kullanılan YSA modeli, üç katmanlı olup, giriş katmanında 3 nöron, gizli katmanda 5 nöron ve çıkış katmanında ise tek nöron bulunmaktadır. Gizli katmanda, Tanjant sigmoid ve çıkış katmanda ise lineer aktivasyon fonksiyonları kullanılmıştır. Öğrenme algoritması ise Levenberg-Marquart geriye yayılım algoritmasıdır. Verinin ikiye bölünebilmesi için ayrıca 190 C, dev./dk ve 90 dk karıştrma süresinde bir deney daha yapılarak toplam 28 veri elde edilmiştir. YSA nın modellenmesi için bu verilerin yarısı YSA nın eğitimde, diğer yarısı da modelin geçerliliğini test edilmesi için kullanıldı. Modellin test edilmesinde, ortalama karakök (RMS), korelasyon katsayısı (R 2 ) ve değişken katsayısı (COV) gibi değerlendirme kriterleri kullanıldı [21]. YSA modelinin oluşturulması MATLAB ortamında gerçekleştirildi. Elde edilen modelleme sonucu Şekil 7 de tahmin edilen veriler ile gerçek veriler arasındaki korelasyon ise şekil 8 de verilmiştir. Burada, sırası ile 0.0753 RMS, 0.9217 R 2 ve 11.3733 COV değerleri elde edilmiştir. 1000 500 0 R 2 = 0.9217 Tahmin edilen Şekil 8: Tahmin edilen değerler ile gerçek değerler arasındaki korelasyon V. SONUÇ Bu çalışmada B160/220 bağlayıcısının %4 SBS ile modifikasyonunda, üç farklı karıştırma sıcaklığı, üç farklı karıştırma süresi ve üç farklı karıştırma hızı olmak üzere toplam 27 farklı kombinasyon denenmiştir. Bu şekilde elde edilen modifiye bağlayıcıların 135 C deki dönel viskozite değerleri tespit edilmiştir. Deneyler sonucunda ele alınan parametreler içerisinde viskozite üzerinde en etkili parametrenin karıştırma hızı daha sonra ise karıştırma süresinin olduğu, sıcaklık artışının ise yüksek devir ve karıştırma süresinde ancak etkin olduğu tespit edilmiştir. En uygun karıştırma şartlarının 180 C, 60 dakika ve 1000 devir/dakika olduğu gözlenmiştir. Karıştırma hızının, süresinin ve sıcaklığın giriş parametreleri, viskozitenin çıkış olduğu, MATLAB ortamında oluşturulan model ile elde edilen verilerin gerçek değerlere çok yakın sonuçlar verdiği tespit edilmiştir. Modelde, gizli katmanda tanjant sigmoid çıkış katmanında lineer aktivasyon fonksiyonları, öğrenme algoritması olarak ise Levenberg-Marquart geriye yayılım algoritması kullanılarak tahmin edilen veriler ile gerçek veriler arasında 0.0753 ortalama karakök, 0.9217 korelasyon 153
Değişik Şartlarda Hazırlanmış SBS Modifiyeli Bitümün Viskozitesinin Yapay Sinir Ağları ile Modellenmesi katsayısı ve 11.3733 değişken katsayısı değerleri elde edilmiştir. Elde edilen model çok sayıda deney yapmadan değişik karıştırma şartlarında hazırlanmış modifiyeli bağlayıcıların viskozitelerini tahmin etme ve dolayısıyla işlenebilme ve pompalanabilme karakteristiklerini ve ayrıca içinde kullanıldıkları bitümlü sıcak karışımların karıştırma ve sıkıştırma sıcaklıklarını kolaylıkla belirleme imkanı sunmaktadır. KAYNAKLAR 1. Jones, R., (1990) Modifiers for Asphalt Concrete, Air Force Engineering and Service Center Project, No: ESL TR 88-32, p. 93. 2. Isacsson, U., Lu, X., (1995) Testing and Appraisal of Polymer Modified Road Bitumens State of the Art, Materials and Structures, 28, 139-159. 3. Isacsson, U., Lu, X., (1999) Characterization of Bitumens Modified with SEBS, EVA and EBA polymers, Journal of Materials Science, 34, 3737-3745. 4. Aglan, H., Othman, A., Figueroa, L. and Rollings, R., (1993) Effect of Styrene-Butadiene-Styrene Block Copolymer on Fatigue Crack Propagation Behavior of Asphalt Concrete Mixtures, Transportation Research Record, 1417, 178-186. 5. Yıldırım,Y., (2007) Polymer Modified Asphalt Binders, Construction and Building Materials 21, 66-72. 6. Lepe, A.P., Boza, F.J.M., Gallegos, C., Gonzalez, O., Munoz, M.E., Santamarı, A., Influence of the Processing Conditions on the Rheological Behaviour of Polymer-Modified Bitumen, Fuel 82 (2003) 1339 1348. 7. Giuliani, F., Merusi, F., Filippi, S., Biondi, D., Finocchiaro, M.L., Polacco, G., Effects of Polymer Modification on the Fuel Resistance of Asphalt Binders, Fuel, 2009 Artical in Press. 8. Ouyang, C., Wang, S., Zhang, Y., Yinxi Zhang. Preparation and Properties of Styrene-Butadiene-Styrene Copolymer/Kaolinite Clay Compound and Asphalt Modified With the Compound, Polymer Degradation and Stability 87 (2005) 309-317 9. Mouillet, V., Lamontagne, J., Durrieu, F., Planche, JçP., Lapalu. L., Infrared Microscopy İnvestigation of Oxidation and Phase Evolution in Bitumen Modified With Polymers, Fuel 87 (2008) 1270 1280 10. Larsen, D.O., Alessandrini, J.L., Bosch, A., Cortizo, M.S., Micro-Structural and Rheological Characteristics af SBS- Asphalt Blends During Their Manufacturing, Construction and Building Materials 2009, Artical in Press. 11. Haddadi, S., Ghorbel, E., Laradi, N., Effects of the manufacturing process on the performances of the bituminous binders modified with EVA, Construction and Building Materials 22 (2008) 1212 1219 12. Yılmaz, M., Kok B.V., Stiren-Butadien-Stiren Modifiyeli Bitümlü Bağlayıcıların Superpeve Sistemine Göre Yüksek Sıcaklık Performans Seviyesinin ve İşlenebilirliliğinin Belirlenmesi, Gazi Ünv.Müh.Mim.Fak.Der, 23 (4), 811-819, 2008. 13. Navarro, F.J., Partal, P., Boza, F.M., Gallegos, C., Effect of Composition and Processing on the Linear Viscoelasticity of Synthetic Binders, European Polymer Journal 41 (2005) 1429 1438 14. Ozsahin, T. S., & Oruc, S. (2008). Neural network model for resilient modulus of emulsified asphalt mixtures. Construction and Building Materials, 22, 1436 1445. 15. Far, S., Sadat, M., Shane, U. B., & Richard, K. Y. (2009). Application of artificial neural networks for estimating dynamic modulus of asphalt concrete. Transportation Research Board Annual Meeting, 09, 3799 16. Specht, L. P., Khatchatourian, O., Brito, L. A. T., & Ceratti, J. A. P. (2007). Modeling of asphalt-rubber rotational viscosity by statistical analysis and neural networks. Materials Research, 10(1), 69 74. 17. Zaniewski, J.P., Pumphrey, M.E., (2004), Evaluation of Performance Graded Asphalt Binder Equipment and Testing Protocol, Asphalt Technology Program, pp. 107. 18. McGennis, R.B., Shuler, S., Bahia, H.U., (1994), Background of Superpave Asphalt Bınder Test Methods, No. FHWA-SA-94-069, pp. 104. 19. Whiteoak, D. and Read, J., The Shell Bitumen Handbook, London, Thomas Telford Ltd., 464 p., 2003. 20. Haykin, S., Neural Networks, 1994, A Comprehensive Foundation, Macmillan College Publishing Comp. Inc. 21. Kok B.V., Yilmaz, M., Sengoz, B., Sengur, A., ve Avci, E., Investigation of complex modulus of base and SBS modified bitumen with artificial neural networks, Expert Systems with Applications, Volume 37,(12), pp. 7775-7780, 2010. 154