混凝土外加剂与水泥相容性的探讨

阐述了混凝土外加剂与水泥相容性对混凝土质量的影响,分析了混凝土外加剂与水泥不相容的主要原因,提出了相应的预防措施。     

混凝土外加剂与水泥的相容性

阐述了混凝土外加剂与水泥相容性的机理，分析了各种外加剂与水泥、外加剂与矿物掺合料以及外加剂之间可能出现的相容性问题，并提出了具体的预防措施。     

化学外加剂与水泥的相容性

如何根据水泥水化机理及水泥与外加剂的相容性作用机理，采用复合的方法配制新型复合外加剂，实现与水泥的相适应。     

聚羧酸外加剂与水泥的相容性

因市场水泥品牌众多工艺也各不相同,熟料的矿物成分和掺量也不同加上各聚羧酸外加剂厂家合成的母液和添加的小料不同,因此经常出现外加剂与水泥不相适应,本文从水泥各种掺合料成分、水泥细度温度,聚羧酸组分等方面,分析影响水泥与聚羧酸外加剂不适应性的因素。     

试论混凝土外加剂与水泥的相容性问题

本文结合工程应用实际,从水泥、外加剂、环境条件等多个方面对外加剂与水泥之间相容性问题进行分析,提出改善减水剂与水泥适应性的措施,以便在工程现场中更好的解决实际问题,保证工程质量。     

水泥与外加剂的相容性及其影响因素

水泥与外加剂的相容性是影响混凝土质量的重要因素.相容性要求外加剂适应水泥,同时也要求水泥适应外加剂.影响水泥与外加剂相容性的因素包括3个方面:一是水泥的矿物成分、调凝剂石膏的状态和掺量、碱含量、粉磨细度、水泥的新鲜程度和温度等;二是外加剂中高效减水剂的化学性质、分子量、交联度、磺化程度和平衡离子度,缓凝剂的种类与用量等;三是温度、时间、湿度等环境条件.     

谈山东地区混凝土外加剂与水泥的相容性

本文主要针对山东地区的水泥和混凝土外加剂的实际情况,分析二者的适应性不好的表现及影响二者适应性的因素,提出改善的措施。     

浅谈混凝土外加剂与水泥的相容性及其应用

随着预拌混凝的不断发展、商品化,对混凝土的技术要求也越来越高,已不仅仅是满足设计和施工要求,而是做到技术先进、安全可靠、经济合理、节能环保~([1])。随着水泥、掺合料、骨料等原材料的不断变化,混凝土配合比要不断适时的进行调整。而外加剂的调整已经成为改善预拌混凝土拌合性能的常态,做好混凝土外加剂与水泥的相容性试验,把握好混凝土工作性能的相关性,能更有效地减少了混凝土日常生产过程中因为原材料变化、特殊施工工艺要求而带来的生产拌合、施工浇筑异常等问题。减少了试验室团队的工作量。     

水泥助磨剂与混凝土外加剂的相容性试验研究

分别探讨了6种水泥助磨剂对水泥工艺的助磨、增强作用;同时,通过水泥净浆试验研究了水泥助磨剂与混凝土外加剂的相容性.研究表明,醇胺类水泥助磨剂的助磨、增强效果均优于醇类及无机盐类;然而,通过相容性试验表明,醇胺类助磨剂表面活性较强,吸附于水泥颗粒表面,影响了水泥与混凝土外加剂的相容性,表现为净浆流动度初始及经时损失增加值较小.     

聚合物改性水泥基防水涂料的适用性探讨

在研究聚合物改性水泥材料性能的基础上,结合防水部位的应用特点,特别是屋面防水和厕卫间防水的性能要求差异,讨论了聚合物改性水泥材料的改性程度及其适用性问题。     

基于BP神经网络的水泥混凝土施工质量控制

首先分析影响机场场道水泥混凝土面层质量的指标因素,并确定主要影响因素;然后应用改进了的BP神经网络与主成分分析法建立数学模型,并对天津机场停机坪水泥混凝土强度进行预测,可以看出,该模型的预测效果与实际相符合,在经济、安全的前提下保证施工质量,最终实现施工质量的事前控制。     

模糊聚类和BP神经网络相结合的变形同步预测

研究了用模糊聚类方法分析变形点是否属于同一块变形体上,并对处于同一块变形体上的变形点建立BP神经网络同步预测模型的方法.通过分析,依据研究的方法建立的变形预测模型对变形点的变形量有很好的预测能力.     

基于BP神经网络的水泥混凝土路面抗滑性能分析

以水泥混凝土路面材料设计方案以及月降水量为输入,以路面摩擦系数表征路面抗滑性能为输出,利用BP神经网络分析水泥混凝土路面抗滑性能,研究表明,BP网络能考虑不同公路的实际差异,找到路面材料设计方案及月降水量与抗滑性能的最佳组合,为实际施工提供指导。     

基于BP神经网络的硬化混凝土水胶比预测

混凝土一旦凝结硬化,再次评价其原始组分非常困难,目前针对水胶比的测试方法,试验复杂,精度不高。而水胶比是混凝土的重要参数,对混凝土的性能发挥至关重要的作用。试验制备了不同水胶比的混凝土,测试了不同龄期时混凝土强度、水泥浆钙元素含量、粗细集料用量。由于水胶比与上述因素间存在相关性,采用BP神经网络分析了硬化混凝土强度、龄期、粗细集料用量、水泥浆钙元素含量与硬化混凝土水胶比的非线性映射关系。研究结果表明:BP神经网络模型预测结果与实际水胶比吻合度较高,具有良好的预测效果。     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

水泥助磨剂的研究

通过对水泥复合助磨剂的研究表明：TEA与木钙复合对水泥助磨都产生了良好的效果。     

基于模糊神经网络兖州矿区立井井筒非采动破裂的判别

煤矿立井井筒非采动破裂是一种新型工程地质灾害。该灾害的发生与各影响因素之间的关系为非线性的、不确定的。本文采用模糊神经网络对其中隐藏的规律进行了提取与捕捉。经检验结果表明,通过模糊逻辑判别与人工神经网络的相结合能够很好的对立井井筒破裂灾害的发生进行判别,且结果准确可靠,能够满足实际要求。     

A fuzzy neural network approach for contractor prequalification

Non-linearity, uncertainty and subjectivity are the three predominant characteristics of contractors prequalification which lead to the process being more of an art than a scientific evaluation. A fuzzy neural network (FNN) model, amalgamating both the fuzzy set and neural network theories, has been developed aiming to improve the objectiveness of contractor prequalification. Through FNN theory, the fuzzy rules as used by the prequalifiers can be identified and the corresponding membership functions can be transformed. Eightyfive cases with detailed decision criteria and rules for prequalifying Hong Kong civil engineering contractors were collected. These cases were used for training (calibrating) and testing the FNN model. The performance of the FNN model was compared with the original results produced by the prequalifiers and those generated by the general feedforward neural network (GFNN, i.e. a crisp neural network) approach. Contractors' ranking orders, the model efficiency (R²) and the mean absolute percentage error (MAPE) were examined during the testing phase. These results indicate the applicability of the neural network approach for contractor prequalification and the benefits of the FNN model over the GFNN model. The fuzzy neural network is a practical approach for modelling contractor prequalification.