共查询到19条相似文献,搜索用时 312 毫秒
1.
粉煤灰掺量对C50混凝土性能的影响 总被引:1,自引:0,他引:1
根据某长江公路大桥索塔及箱梁用混凝土的性能要求和高密实低收缩的设计原则,系统地对不同粉煤灰掺量的C50高强混凝土拌合物的和易性、坍落度损失和含气量,以及硬化混凝土的抗压强度、抗折强度和弹性模量等进行了试验研究和理论分析。研究结果表明:粉煤灰可改善新拌混凝土的和易性,并显著降低坍落度损失;随着粉煤灰掺量的增加,混凝土7d强度下降明显,28d强度增幅较大;如果增大胶凝材料总用量,则可以一定程度上减小粉煤灰掺量的影响。 相似文献
2.
粉煤灰高性能混凝土的试验研究 总被引:3,自引:3,他引:0
探讨了中等强度掺粉煤灰高性能混凝土的工作性、力学性能、耐久性及经济性,在大量试验的基础上,对掺40%粉煤灰高性能混凝土的坍落度损失、抗压强度、电通量、抗渗性等性能进行了全面的分析,研究表明,掺粉煤灰高性能混凝土在客运专线铁路工程方面有着广阔的应用前景。 相似文献
3.
4.
5.
6.
7.
8.
本文研究了粉煤灰掺量在40%~60%的大掺量粉煤灰混凝土的力学性能及若干耐久性性能。试验结果表明,添加了40%以上粉煤灰的混凝土仍有较好的强度,较好的抗氯离子渗透、抗硫酸盐侵蚀等性能,且具有较小的体积收缩率。同时,大掺量粉煤灰混凝土的后期强度增长对于混凝土的意义也不容忽视。 相似文献
9.
本文对探索粉煤灰不同掺量与泵送混凝土强度、工作性、后期强度等性能的影响,进行了比较系统的试验,通过结果数据分析,确定了比较合理的粉煤灰掺量。 相似文献
10.
11.
自密实混凝土拌合物坍落度损失问题是自密实混凝土研究的热点和难点之一.从延缓水泥早期水化速度出发,分别针对原材料中水泥品种、粉煤灰、高效减水剂种类及缓凝剂等4个因素,对坍落度损失的影响进行了试验研究,并就其机理进行了初步探讨. 相似文献
12.
结合作者研制的适用于硫铝酸盐水泥混凝土的新型缓凝减水剂,研究了在硫铝酸盐水泥中复合矿渣、粉煤灰对混凝土性能的影响,制备出了强度高、坍落度大、坍落度损失小、膨胀适度的泵送硫铝酸盐水泥混凝土,分析了矿物掺合料在水泥水化中的作用机理。 相似文献
13.
14.
采用P.O 42.5水泥及高效减水剂配制出坍落度为220 mm的C50普通混凝土,并以此为基础配制出大流动度粉煤灰混凝土及钢纤维混凝土。研究了钢纤维对C50混凝土拌合物的和易性及混凝土力学性能的影响。试验表明,在粉煤灰混凝土中掺入0.5%的钢纤维,混凝土具有大流动度,拌合物的工作性能明显优于普通钢纤维混凝土,且粉煤灰钢纤维混凝土各龄期的强度均高于普通混凝土、粉煤灰混凝土及普通钢纤维混凝土。在粉煤灰混凝土中,钢纤维对提高混凝土的抗压强度有一定效果。 相似文献
15.
60~80MPa大流动性混凝土配合比试验研究 总被引:2,自引:0,他引:2
采用磨细粉煤灰掺到混合料中 ,同时加入NF高效减水剂 ,可以配制坍落度为 1 6 0~ 1 80mm、强度在 6 0~ 80MPa之间的高强大流动性混凝土 ,经济效益显著 ,具有较大的推广价值 相似文献
16.
神经网络法在混凝土强度研究中的应用 总被引:8,自引:1,他引:7
讨论了如何应用人工神经网络(ANN)的方法预测混凝土抗压强度,详细论述了采用BP算法建立混凝土抗压强度神经网络模型的过程,以及在活化剂作用下高掺量粉煤灰混凝土的强度效应,仿真结果表明,通过学习,BP网络可成功地建立非线性的强度模型,预测强度可达到较高精度。 相似文献
17.
就缓凝剂的性能来说,它能减慢水泥的水化速率,从而减慢了混凝土坍落度的损失率。但是时于连续搅拌的混凝土,缓凝剂不但不能减慢坍落度的损失率,反而加速了坍落度的损失。然而据国外资料报道,用粉煤灰来取代部分水泥.即可降低坍落度的损失率。但这要取决于粉煤灰取代水泥的百分率,而且与所用粉煤灰的烧失量有关。本文介绍了国外在这方面的研究成果。 相似文献
18.
就缓凝剂的性能来说,它能减慢水泥的水化速率,从而减慢了混凝土坍落度的损失率。但是对于连续搅拌的混凝土,缓凝剂不但不能减慢坍落度的损失率,反而加速了坍落度的损失。然而据国外资料报道,用粉煤灰来取代部分水泥,即可降低坍落度的损失率。但这要取决于粉煤灰取代水泥的百分率,而且与所用粉煤灰的烧失量有关。本文介绍了国外在这方面的研究成果。 相似文献
19.
B.K. Raghu Prasad Hamid Eskandari B.V. Venkatarama Reddy 《Construction and Building Materials》2009,23(1):117-128
An artificial neural network (ANN) is presented to predict a 28-day compressive strength of a normal and high strength self compacting concrete (SCC) and high performance concrete (HPC) with high volume fly ash. The ANN is trained by the data available in literature on normal volume fly ash because data on SCC with high volume fly ash is not available in sufficient quantity. Further, while predicting the strength of HPC the same data meant for SCC has been used to train in order to economise on computational effort. The compressive strengths of SCC and HPC as well as slump flow of SCC estimated by the proposed neural network are validated by experimental results. 相似文献