计算混凝土中氯离子扩散系数的实用方法

在海洋环境中,含有大量的氯离子,而氯离子是引起钢筋锈蚀的一个重要因素,因此预测混凝土中氯离子的浓度是计算海洋环境中钢筋初始锈蚀时间的前提,而氯离子扩散系数又是预测氯离子浓度的要素。但传统的计算氯离子扩散系数的方法比较繁琐而且误差较大,本文将传统的计算模型进行了转化,给出一种简单且更加合理的计算方法。     

计算混凝土中氯离子扩散系数的实用方法

在海洋环境中,含有大量的氯离子,而氯离子是引起钢筋锈蚀的一个重要因素,因此预测混凝土中氯离子的浓度是计算海洋环境中钢筋初始锈蚀时间的前提,而氯离子扩散系数又是预测氯离子浓度的要素。但传统的计算氯离子扩散系数的方法比较繁琐而且误差较大,本文将传统的计算模型进行了转化,给出一种简单且更加合理的计算方法。     

孔隙分形修正的混凝土中氯离子扩散系数

在已有的氯离子扩散理论和孔隙分形理论的基础上,提出小孔的孔轴线分形维数表征氯离子扩散的曲折度、大孔的孔表面分形维数修正孔隙率,并推导得到基于孔隙分形修正的氯离子扩散系数模型。通过分析龄期为14 d和28 d不同配比混凝土的基于孔隙分形的氯离子扩散系数模型的计算结果和快速氯离子扩散试验(ASTM C1202)电通量,发现两者之间有良好的线性关系。采用基于孔隙分形修正的氯离子扩散系数代入Fick第二定律的解析解,对试验后各组混凝土中不同扩散深度的氯离子浓度进行拟合,计算结果与实测值吻合情况较好。     

开裂混凝土中氯离子等效扩散系数计算方法

氯离子侵蚀对钢筋混凝土结构有严重的劣化作用,混凝土中的裂缝为氯离子的快速扩散提供了通道,进而加快了结构力学性能的失效速度。现有研究多集中于单一裂缝特征因素对氯离子扩散系数的影响,根据试验结果给出的拟合公式具有局限性。结合机器视觉技术提取和量化多个裂缝特征因素,构建考虑裂缝密度、裂缝内界面粗糙度和裂缝取向度叠加影响的代表性单元体积（REV）模型,并计算其等效扩散系数,将已有研究的试验结果与基于REV模型的计算结果进行对比。结果表明：不同盐冻条件下的平均相对误差为1.6%,完成28次盐冻后不同初始裂缝条件下的平均相对误差为2.9%,计算结果与试验结果较为吻合,表明提出的开裂混凝土中氯离子等效扩散系数具有较好的可靠性。     

一个改进的混凝土氯离子扩散计算模型

通过对影响混凝土中氯离子扩散的因素分析,根据Fick第二定律导出的简化模型,建立综合考虑水灰比、混凝土掺合料、龄期、温度、湿度、混凝土与氯离子结合能力及冻融损伤影响的扩散模型,通过与现有解析模型和有限差分法模型的计算结果的对比,验证模型的正确性和有效性。与现有解析模型相比,该模型考虑的因素更广泛,综合考虑温度、湿度的季节变化及冻融损伤的时随效应对氯离子扩散的影响;与数值模型相比,该模型计算效率高,便于工程应用。     

矿物掺合料混凝土早期氯离子扩散系数的试验

目的 研究掺不同矿物掺合料及Na2SO4混凝土的Cl-扩散系数变化规律,分析其对混凝土早期孔结构的影响.方法 试件在标准养护条件下养护3 d、7 d、14 d、21 d,采用饱盐混凝土电导率(NEL)法测试混凝土氯离子扩散系数.结果 粉煤灰、矿粉混凝土早期的Cl-扩散系数随掺量的增加而增加;粉煤灰与掺Na2SO4粉煤灰混凝土的Cl-扩散系数差值随粉煤灰掺量的增加而增加;矿粉与掺Na2SO4矿粉混凝土的Cl-扩散系数差值在3 d、7 d随矿粉掺量的增加而增加,14 d、28 d差值接近于零;粉煤灰与矿粉混凝土的Cl-扩散系数的差值随掺量增加而增加;掺Na2SO4的粉煤灰与矿粉混凝土的Cl-扩散系数差值在3 d、7 d随掺量的增加而增加,14 d、28 d随掺量增加无明显变化.结论 掺合料的早期活性低于水泥,且粉煤灰低于矿粉;硫酸钠可激发掺合料的活性,但3 d、7 d矿粉混凝土的孔结构比粉煤灰密实,14 d、21 d基本相同,硫酸钠在14 d、21 d时激发作用已完成.     

混凝土氯离子扩散系数预测的两步解析法

针对现有混凝土氯离子扩散理论模型的不足,提出了混凝土氯离子扩散系数预测的两步解析 法．将混凝土看成一种是由骨料、水泥石基体和界面组成的三相复合材料,基于非均匀界面模型,估 算出水泥石基体和界面的水灰比、水化度和氯离子扩散系数,然后根据微分有效介质方法,提出了 混凝土氯离子扩散系数的简单解析解．做了一组混凝土氯离子扩散试验,通过与试验结果比较初步 证实了所提出的两步解析法的有效性．最后通过敏感性分析量化了影响混凝土氯离子扩散系数的 两个主要因素,结果表明：随着水灰比增大或骨料体积分数减小,混凝土氯离子扩散系数增大．     

混凝土氯离子扩散系数预测的三相复合圆—格构模拟方法

提出了混凝土氯离子扩散系数预测的三相复合圆—格构模拟方法.基于骨料分布的体视学分析,给出了界面面积百分数的解析算法.应用能量等效原理,导出了梁单元和连续体氯离子扩散系数之间的解析关系式.将混凝土模拟成三相复合圆,应用格构模拟方法确定每一个梁单元的刚度矩阵,并计算混凝土氯离子扩散系数.在数值方法的有效性得到试验结果的证实后,定量评价了最大骨料直径、界面氯离子扩散系数、骨料级配和界面厚度对混凝土氯离子扩散系数的影响.     

海洋环境混凝土中氯离子浓度预测的多系数扩散方程

综合考虑了影响氯离子扩散系数的时间效应、混凝土的氯离子结合能力、温度、劣化效应、应力与开裂状态、环境条件等因素,对基于Fick第二定律的扩散方程进行修正,得到了预测混凝土中氯离子浓度分布的多系数扩散方程,给出了解析解.通过浸泡试验和暴露试验对预测模型进行验证,发现预测值与实测值吻合较好,证明了预测方程的有效性.     

混凝土中氯离子时变扩散的边界元分析

氯离子在混凝土中的扩散是一个时变过程。考虑氯离子扩散系数的时间依赖性,将时变扩散系数引入混凝土的氯离子扩散模型中,通过变量代换,给出了时变扩散条件下氯离子扩散方程的基本解,并基于误差函数建立了氯离子扩散场补偿长度理论,分析了散场补偿长度系数的取值,在此基础上建立了时变扩散系数下混凝土中氯离子扩散分析的边界元法。通过算例分析验证了氯离子扩散场补偿长度理论对于氯离子扩散分析的数值方法的合理性,证明了该法具有较高的计算精度和计算效率。     

基于人工神经网络的钢筋混凝土异型节点抗剪承载力预测

研究了利用神经网络技术分析钢筋混凝土框架异型节点抗震性能的可行性．从前馈神经网络原理分析出发，利用神经网络方法研究了低周反复荷载作用下的钢筋混凝土框架异型节点抗剪承载力与各主要影响因素之间复杂的非线性关系，并建立了承载力的BP神经网络预测模型．通过与试验结果相对比，新方法获得了令人满意的结果．分析结果表明神经网络计算在钢筋混凝土框架异型节点的抗震行为和力学特性研究领域是一种切实可行且极具发展潜力的新方法．     

结构混合控制的神经网络方法

介绍结构混合控制的神经网络方法,以模型结构振动台实验记录为训练样本,训练一个作为控制器使用的多 前向ＢＰ网络来模拟结构的控制准则,并用来模拟未来作动器控制力的大小,训练另一个的神经网络来模拟混合结构控制系统,并用该网络预测结构未来的地震作用下的反应;最后进行数值仿真分析和实验分析的对比研究,结果表明人工神经网络可以在结构混合控制中发挥作用。     

Evaluation of nitrate removal effect on groundwater using artificial neural networks

Considering the non-linear,complex and multivariable process of biological denitrification,an activated sludge process was introduced to remove nitrate in groundwater with the aid of artificial neural networks (ANN) to evaluate the nitrate removal effect. The parameters such as COD,NH3-N,NO-3-N,NO-2-N,MLSS,DO,etc.,were used for input nodes,and COD,NH3-N,NO-3-N,NO-2-N were selected for output nodes. Experimental ANN training results show that ANN was able to predict the output water quality parameters very well. Most of relative errors of NO-3-N and COD were in the range of ±10% and ±5% respectively. The results predicted by ANN model of nitrate removal in groundwater produced good agreement with the experimental data. Though ANN model can optimize effect of the whole system,it cannot replace the water treatment process.     

Test and prediction of chloride diffusion in recycled aggregate concrete

Recycled aggregate concrete(RAC) specimens with different recycled coarse aggregate replacement ratios by mass(R) are fully immersed in a 10% chloride solution for 235 days. Both free chloride concentration(Cf) and total chloride concentration(Ct) are then measured employing a rapid chloride test(RCT) system. The Fick's second diffusion law is verified by the test data and used to predict chloride concentration distribution at different immersion periods. Additionally, pore structures of the new and old mortar in RAC are tested by mercury intrusion porosimetry(MIP). It is found that binding chloride concentration(Cb) linearly increases with Cf. In natural aggregate concrete(NAC), Cf is obviously smaller than that in the RAC in the same testing environment and this is different from the test results of Ct and Cb. Furthermore, the effects of R on the chloride concentration of RAC become severe for specimens subjected to long immersion periods, which can be explained in terms of the pore structures of the new mortar and old adhesive mortar in RAC.     

Prediction of uniaxial compressive strength and modulus of elasticity for Travertine samples using regression and artificial neural networks

Uniaxial Compressive Strength (UCS) and modulus of elasticity (E) are the most important rock parameters required and determined for rock mechanical studies in most civil and mining projects, in this study, two mathematical methods, regression analysis and Artificial Neural Networks (ANNs), were used to predict the uniaxial compressive strength and modulus of elasticity. The P-wave velocity, the point load index, the Schmidt hammer rebound number and porosity were used as inputs for both methods. The regression equations show that the relationship between P-wave velocity, point load index, Schmidt hammer rebound number and the porosity input sets with uniaxial compressive strength and modulus of elasticity under conditions of linear relations obtained coefficients of determination of (R2) of 0.64 and 0.56, respectively. ANNs were used to improve the regression results. The generalized regression and feed forward neural networks with two outputs (UCS and E) improved the coefficients of determination to more acceptable levels of 0.86 and 0.92 for UCS and to 0.77 and 0.82 for E. The results show that the proposed ANN methods could be applied as a new acceptable method for the prediction of uniaxial compressive strength and modulus of elasticity of intact rocks.     

Prediction of operational parameters effect on coal flotation using artificial neural network

Artificial neural network procedures were used to predict the combustible value (i.e. 100-Ash) and combustible recovery of coal flotation concentrate in different operational conditions. The pulp density, pH, rotation rate, coal particle size, dosage of collector, frother and conditioner were used as inputs to the network. Feed-forward artificial neural networks with 5-30-2-1 and 7-10-3-1 arrangements were capable to estimate the combustible value and combustible recovery of coal flotation concentrate respectively as the outputs. Quite satisfactory correlations of 1 and 0.91 in training and testing stages for combustible value and of 1 and 0.95 in training and testing stages for combustible recovery prediction were achieved. The proposed neural network models can be used to determine the most advantageous operational conditions for the expected concentrate assay and recovery in the coal flotation process.     

混凝土中氯离子扩散数值研究

针对混凝土氯离子扩散系数以及表面氯离子浓度受时间效应的影响,采用COMSLOL有限元软件对氯离子扩散过程进行数值模拟,将预测结果与实测试验结果相比较,验证该方法是一种有效的氯离子扩散分析方法.考虑实际环境中氯离子扩散受时间因素及不同氯侵蚀环境因素影响,分别对不同水灰比及不同龄期下的混凝土氯离子扩散进行模拟,为分析近海和除冰盐环境下结构混凝土中氯离子浓度分布提出了一种新的预测方法.     

神经网络用于数控系统误差预报补偿技术的研究

为了提高机床数控系统的廓形加工精度，本文通过研究人工神经网络的加工误差预报补偿技术以提高计算机数控系统（ＣＮＣ）的廓形加工精度，并且取得了良好的效果