基于筛余浆体特征参数的混凝土流动性研究

通过对混凝土筛余浆体流变参数和混凝土坍落度的测试分析,研究了筛余浆体流变特性及相对用量对混凝土流动性的影响。研究结果表明:混凝土筛余浆体按流变参数分可为变形能力较差的高塑性黏度、高屈服应力浆体,变形能力较强的低塑性黏度、低屈服应力浆体以及处于离析状态的高塑性黏度、低屈服应力浆体。同时,低屈服应力低塑性黏度筛余浆体层厚与混凝土坍落度之间、高屈服应力高塑性黏度筛余浆体层厚与混凝土坍落度之间均存在显著的线性关系。     

水泥胶砂流动度预测方法的研究

在给出水泥胶砂名义水灰比和标准砂平均浆体厚度计算方法的基础上，采用人工神经网络方法，建立了水泥胶砂流动度与水泥胶砂名义水灰比、标准砂平均浆体厚度、粉煤灰与胶凝材料用量比之间的非线性映射关系．该关系可用于高效减水剂减水率的测定，同时也可为混凝土坍落度的预测及高体积稳定性混凝土配合比设计方法的研究奠定基础．     

混凝土拌和物坍落度预测方法的研究

在给出混凝土名义水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土拌和物坍落度与混凝土名义水灰比、骨料平均浆体厚度、粉煤灰与胶凝材料用量比之间的非线性映射关系．该研究成果可减少混凝土试配次数,节约大量人力物力,并为高体积稳定性混凝土配合比设计方法的进一步探讨奠定基础．     

混凝土强度预测的混合神经网络模型

针对由于混凝土配方的多样性,直接利用神经网络模型对其进行强度预测存在精度差和收敛差的缺点,采用多种神经网络模型相结合的方法,建立了混凝土强度预测的混合神经网络模型。模型的建立主要包括以下三个过程:(1)建立混凝土强度影响参数样本数据库;(2)利用自组织神经网络对样本数据分类;(3)以混凝土原材料和制作工艺为输入参数,混凝土最终性能为输出参数,训练双并联神经网络模型。通过实例验证了模型的可靠性。     

再生混凝土坍落度自适应模糊推理模型

坍落度是反映混凝土和易性的一个重要的指标,利用自适应模糊推理系统,建立了再生混凝土的坍落度预测模型。该模型输入层为再生混凝土的配合比数据,输出层为再生混凝土坍落度数据。采用建立的ANFIS模型对试验结果进行预测时,先对再生混凝土输入数据进行标准化处理,同时对预测结果与试验结果相比较。结果表明:所建立的再生混凝土的坍落度的ANFIS模型的预测精度高达97%以上;采用自适应模糊推理系统可以实现再生混凝土坍落度的准确预测,为再生混凝土的研究提供了一种新的方法。     

基于最少浆体理论的混凝土配合比优化

以混凝土成本为配合比优化的目标,在保证混凝土坍落度、28d抗压强度及氯离子扩散系数满足设计要求情况下,通过合理调整平均浆体厚度、小石子与粗骨料的质量比及砂率,得到混凝土浆体量较少、成本较低的混凝土配合比。提出的基于最少浆体理论的混凝土配合比优化方法得到试验的验证。     

基于HCSS模型的透水混凝土三维重构研究

通过对HCSS模型(Hard Core Soft Shell Model)的优化,重构了透水混凝土骨料-浆体-孔隙三维结构,研究了基本配合比参数对透水混凝土浆体厚度和连通孔隙率的影响。结果表明:随着水泥用量、用水量的提高或骨料粒径的减小,透水混凝土中骨料表面浆体层厚度增大、连通孔隙率降低;在透水混凝土配合比相同的情况下,提高模型中透水混凝土的表观密度将导致模型中的细颗粒增多,浆体厚度层减小;模拟中可能存在部分颗粒悬浮于三维模型空间,导致重构的孔隙很少出现封闭孔,造成模拟结果比实测连通孔隙率的高估。     

高性能地铁混凝土管片的配合比设计及性能研究

基于骨料最紧密堆积理论,提出了高性能地铁混凝土管片的配合比设计原则及计算步骤,通过试验确定了配合比计算中的相关参数。研究结果表明:与具有相同原材料的地铁管片混凝土相比,高性能地铁管片混凝土具有浆体体积用量更小,28d抗折强度、劈裂抗拉强度和弹性模量更高(即抗裂性好)、耐久性好、性价比高等性能。     

考虑界面的混凝土弹性模量数值模型

由于骨料与水泥浆体的界面对混凝土的力学性能有很大影响，故在混凝土的弹性模量计算中需考虑此界面效应。文中考虑骨料与浆体间界面的几何复杂性，克服传统有限元因界面厚度太小而无法准确模拟的缺点，采用扩展有限元方法以及细观力学对混凝土弹性模量的预测建立了数值模型。最后通过试验结果与模型预测值进行比较，验证了数值模型的有效性。     

BP网络预测再生混凝土性能研究

利用BP神经网络模型,对再生混凝土强度及工作性能的预测方法进行了探讨。根据再生混凝土的特殊性,找出影响其强度和坍落度、保水性的主要因素,对试验中通过主观观察得到的数据进行量化,在此基础上建立预测其强度和工作性能的BP神经网络模型,针对所建模型,输入一定量的实测数据样本,对网络进行训练。为了验证训练好的网络的推广性能,用预留的一组试验数据进行仿真训练的效率和误差及仿真计算的结果表明,采用优化的BP网络模型及合适的样本参数训练出的预测系统对再生混凝土的强度及工作性能进行预测是可行的。     

高性能地铁混凝土管片的配合比设计及性能研究

基于骨料最紧密堆积理论,提出了高性能地铁混凝土管片的配合比设计原则及计算步骤,通过试验确定了配合比计算中的相关参数.研究结果表明:与具有相同原材料的企业生产的地铁管片混凝土相比,提出的地铁管片混凝土具有浆体体积用量更小,28 d抗折强度、劈裂抗拉强度和弹性模量更高(即抗裂性好),耐久性更好,性价比更高等性能.     

基于BP神经网络的自密实清水混凝土性能预测研究

针对自密实清水混凝土试验周期长、表观性能影响因素多等问题，应用BP神经网络对其性能预测，有效减少试验量，快速找出外加剂最优掺量。基于BP神经网络卓越的非线性处理功能，将减水剂、消泡剂、引气剂、坍落度作为输入变量，自密实清水混凝土的7 d抗压强度、扩展度、气孔面积、色差作为输出变量，建立含有2层隐含层的BP神经网络模型，利用试验所得12组数据，预测自密实清水混凝土的性能，将预测值与试验值进行比较，确保模型高精确度。结果表明：神经网络模型预测结果良好，强度预测的相对误差最高达到10.8%，其余均在10%以下，其中第11组的混凝土性能最优，预测与实际结果相吻合。     

搅拌站废浆回收利用正交试验研究与应用

本文以C35泵送混凝土为例采用正交试验研究搅拌站废浆的应用,分析其对预拌混凝土初始坍落度、坍落度损失、抗压强度的影响。试验结果表明:废浆密度是影响混凝土初始坍落度及28d抗压强度的主要因素,废浆掺量是影响混凝土1h坍落度损失值的主要因素,而外加剂用量属于次要影响因素。     

混凝土真实细观模型的生成及氯离子传输的数值模拟

基于改进的遗传算法和8邻域边界跟踪法,对混凝土断面的数字图像进行处理,得到二值图像并提取粗骨料的边界坐标;根据提取的坐标编写程序,生成浆体集料界面过渡区（ITZ）,得到真实的混凝土细观模型;将得到的混凝土细观模型导入COMSOL软件,模拟海洋水下区氯离子侵入混凝土内部过程,得到不同时刻混凝土内部氯离子浓度云图。研究结果表明：使用的建模和模拟方法所得结果与长期实海暴露混凝土实验结果一致,可以用来研究和评价海洋环境下混凝土的耐久性能;ITZ的存在会加速氯离子向混凝土内部扩散,其厚度越大,扩散过程越快,界面区厚度增大1倍,混凝土表观氯离子扩散系数增大12.3%;对比真实混凝土细观模型与参数化生成的圆形随机骨料模型中氯离子传输模拟结果发现,圆形随机骨料模型中氯离子的浓度总是小于真实细观模型中氯离子的浓度。     

BP神经网络预测氯盐渍土环境中混凝土结构使用寿命

为预测氯盐渍土环境中混凝土结构的使用寿命,根据长期浸泡试验结果,建立基于Fick扩散定律的混凝土结构使用寿命模型。当假定混凝土保护层厚度为30 mm,Fick模型的预测结果大约为50年,再结合Fick模型中参数统计特征,生成供BP神经网络应用的训练样本和预测样本。建立基于BP神经网络的混凝土结构使用寿命模型,BP模型的预测结果也在50年左右,若以Fick模型的预测结果为标准,BP模型的平均误差率仅为3.65%。     

基于人工神经网络的混凝土抗压强度预测方法

在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上，采用人工神经网络方法，建立了混凝土28d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系．该研究成果可减少混凝土试配次数，节约大量人力、物力和时间，并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础．     

水泥石灰石粉浆体颗粒水膜厚度与其屈服应力关系

通过所测定的颗粒堆积密度和总比表面积,计算了水泥-石灰石粉浆体颗粒水膜厚度,研究了水膜厚度随这两者变化的规律;采用旋转黏度计测定浆体屈服应力,同时基于BP神经网络建立了水泥-石灰石粉浆体颗粒水膜厚度与浆体屈服应力之间的关系模型.结果表明:水泥-石灰石粉浆体颗粒水膜厚度随颗粒堆积密度与总比表面积比值的增大而增大;水泥-石灰石粉浆体颗粒水膜厚度的变化与堆积密度和总比表面积的相对增加速率△显著相关,堆积密度增加速率大于颗粒总比表面积增加速率时(△＞0),水膜厚度增大,反之水膜厚度减小;浆体屈服应力模型计算值与测定值的Peasron相关系数为0.955,表明该模型的精确度较高.     

BP神经网络预测氯盐渍土环境中混凝土结构使用寿命北大核心

为预测氯盐渍土环境中混凝土结构的使用寿命,根据长期浸泡试验结果,建立基于Fick扩散定律的混凝土结构使用寿命模型。当假定混凝土保护层厚度为30 mm,Fick模型的预测结果大约为50年,再结合Fick模型中参数统计特征,生成供BP神经网络应用的训练样本和预测样本。建立基于BP神经网络的混凝土结构使用寿命模型,BP模型的预测结果也在50年左右,若以Fick模型的预测结果为标准,BP模型的平均误差率仅为3.65%。     

基于骨料特性和浆体厚度的透水混凝土配合比设计

传统的透水混凝土配合比设计主要以骨料堆积密度和目标孔隙率为主要设计参数,缺乏强度设计依据,且实际孔隙率与目标孔隙率相差较大,透水性能难以保证。提出一种基于骨料特性和浆体均匀包裹模型的透水混凝土配合比设计方法,其主要引入骨料比表面积和浆体厚度2个参数,据此设定合理的浆体厚度和水胶比,再通过计算所得骨料的比表面积确定浆体的体积,最终确定配合比。试验表明:该方法可有效地以浆体数量控制有效孔隙率的大小,透水混凝土的力学性能符合设计要求,透水性能良好,能适应不同骨料特性和强度要求的透水混凝土配合比设计要求。     

基于BP和GA-BP神经网络的混凝土抗压强度预测研究

由于影响混凝土抗压强度的因素众多，且抗压强度与各影响因素之间的关系是一种复杂的非线性问题，采用了机器学习的方法较好地对混凝土抗压强度做出预测，研究采用BP和GA-BP两种神经网络分别对混凝土28 d抗压强度进行预测并进行分析，其中输入层的参数为水泥、炉渣、粉煤灰、水、减水剂、粗骨料和细骨料的用量。结果表明：与BP神经网络式相比，GA-BP神经网络预测值与实测值更为吻合，平均误差率减少了43%，有更好的预测能力。同时研究采用灰色关联算法对输入层进行敏感性分析，表明粗骨料用量的改变对28 d混凝土抗压强度的影响最大，并且在输入层删除敏感性较低的参数后，神经网络的预测效果有进一步提高。研究还通过GA-BP神经网络寻最优值对当混凝土强度达到最大值时，输入层各影响因素的数值进行了预测，为混凝土的抗压强度预测和配合比设计提供了分析方法且该神经网络对试验有较好的导向作用。