粗粒料级配缩尺中相似比例对密度影响的试验研究

针对粗粒料密度研究中变量复杂问题,为探究不同相似比例n值对试验材料密度变化的影响规律,以红石岩堰塞坝料的两条代表性级配为研究对象,在相同的试验条件和参数标准下,分别研究不同变量指标对密度的影响。结果显示:最大干密度和最小干密度均随相似比例n值的增加呈先增加后减小的变化趋势;同时,由于相似比例n值的不同引起了其它级配特征值的变化,材料P_5含量在小于30%范围内变化时对最大干密度的影响较为明显,随P_5含量的增大呈增大趋势;C_u/C_c对密度的影响与P_5相似,下凹型级配中最大干密度和最小干密度随中值粒径d_(50)增大呈先增大后减小,总体趋于减小的变化规律。结果表明:相似比例n值会影响材料之间粗细颗粒的填充关系,对下凹型级配曲线密度产生明显影响,对平均级配曲线影响较小,室内试验时需选择适宜的相似比例。     

土石混合料固结流变试验研究

堰塞坝料大多为土石混合料且具有级配分布范围较宽的特点,其流变变形将影响堰塞坝的长期运行安全。本文选择典型的反映宽级配特征的三组试验材料,采用大型固结仪开展固结流变试验。根据试验结果,分析了竖向应力对流变应变的影响规律,发现流变应变随竖向应力的增大呈对数趋势增大,且在高应力范围内应力增大时流变变形增量更为显著;探讨了级配特征对流变变形的影响,认为级配良好且不均匀系数较大的材料,流变量值相对较小,而对于级配特征值均较小且细颗粒含量较高的材料,流变量值更为显著;基于流变试验时程规律,建立了四参数双曲线型的固结流变模型。模型结果较为准确,能较好地反映宽级配粗粒料固结流变特征。     

基于ABC-BP神经网络预测钢筋锈蚀程度

将人工蜂群算法与BP神经网络原理相结合,设计了预测精度更高的ABC-BP神经网络,基于室内加速锈蚀实验所获得相关数据,建立了预测钢筋锈蚀程度的网络模型。利用MATLAB平台进行仿真训练,提取训练完成后的网络权值,研究了综合因素条件下混凝土内钢筋锈蚀程度与多个影响因素之间的关系。结果表明,ABC-BP神经网络较BP神经网络具有更高的预测精度,裂缝宽度对钢筋混凝土锈蚀程度影响较大,因此ABC-BP神经网络可用于预测钢筋混凝土构件锈蚀程度。     

粗粒料级配缩尺中相似比例对密度影响的试验研究

针对粗粒料密度研究中变量复杂问题,为探究不同相似比例n值对试验材料密度变化的影响规律,以红石岩堰塞坝料的两条代表性级配为研究对象,在相同的试验条件和参数标准下,分别研究不同变量指标对密度的影响。结果显示:最大干密度和最小干密度均随相似比例n值的增加呈先增加后减小的变化趋势;同时,由于相似比例n值的不同引起了其它级配特征值的变化,材料P5含量在小于30%范围内变化时对最大干密度的影响较为明显,随P5含量的增大呈增大趋势;Cu/Cc对密度的影响与P5相似,下凹型级配中最大干密度和最小干密度随中值粒径d50增大呈先增大后减小,总体趋于减小的变化规律。结果表明:相似比例n值会影响材料之间粗细颗粒的填充关系,对下凹型级配曲线密度产生明显影响,对平均级配曲线影响较小,室内试验时需选择适宜的相似比例。