煤矸石粉混凝土抗压强度试验及其神经网络预测

为建立煤矸石粉混凝土抗压强度神经网络预测模型,对煤矸石粉混凝土7、28、60、120、180d抗压强度进行试验。煤矸石粉掺量分别为0、10%、15%、20%、25%、30%、35%,煤矸石粉均取代水泥,作为掺合料掺入混凝土中。在试验的基础上,利用试验数据训练、建立神经网络预测模型。预测结果表明:神经网络预测模型有较高的预测精度,可以用来预测煤矸石粉混凝土的抗压强度。     

废玻璃粉对混凝土干燥收缩特性的影响

为了研究废玻璃粉对混凝土力学性能及干燥收缩特性的影响,测定了废玻璃粉掺量分别为0、10%、20%、30%的混凝土试件在干燥环境及干湿循环环境中的力学性能和收缩特性。试验结果表明:随着废玻璃粉掺量提高,混凝土抗压强度降低。干燥环境下废玻璃粉混凝土强度等级越高,干燥收缩变形越大;随着废玻璃粉掺量的提高,混凝土干缩率呈现逐渐减小的趋势,且均小于基准混凝土;当废玻璃粉掺量为30%时,对混凝土的干燥收缩有所改善。干湿循环环境下不同掺量废玻璃粉混凝土干缩率之间的关系与干燥环境下相似;混凝土干燥阶段干缩率上升速率小于湿阶段干缩率下降速率;废玻璃粉混凝土在干湿循环环境下表现出干缩湿胀特性。     

废玻璃掺合料对混凝土力学性能的影响

为了研究废玻璃掺合料对混凝土各项力学性能的影响,对不同玻璃粉粒径(150～830μm、75～150μm、25～75μm)和不同体积掺量(5%、10%、15%、20%)的废玻璃掺合料混凝土进行了抗压强度、劈裂抗拉强度和静弹性模量性能测试,分析了废玻璃粉粒径和体积掺量对混凝土力学性能的影响,同时研究了废玻璃粉掺合料混凝土的拉压比和弹强比。结果表明:废玻璃粉掺合料对混凝土力学性能影响较大,当玻璃粉掺量≥10%时,混凝土的抗压强度均有不同程度的提高,玻璃粉粒径越细,混凝土的抗压强度越高。随着废玻璃粉掺量增加,混凝土劈裂抗拉强度持续降低,拉压比减小。混凝土弹性模量随着玻璃粉的掺入均出现不同程度的增大,且玻璃粉粒径越小,弹性模量越大,弹强比随玻璃粉掺量先增大后减小。     

不同应变速率下废玻璃粉混凝土单轴受压性能

为研究废玻璃粉混凝土的率效应,采用万能试验机对3种废玻璃粉掺量的混凝土试件在4种不同应变速率下进行单轴受压,分析了应力-应变曲线、抗压强度、峰值应变、泊松比等随应变速率的变化规律。结果表明:随着应变速率的增加,逐渐增加的抗压强度和减少的峰值应变与应变速率的对数呈线性关系,给出了近似关系式;泊松比基本保持不变;应力-应变曲线的形状相似。研究表明:应变速率对抗压强度和峰值应变影响较明显,对泊松比的影响较小;废玻璃粉存在一个最佳掺量;在不同应变速率下废玻璃粉混凝土单轴受压试验仍符合经典混凝土受压试验的描述。     

建筑混凝土配合比设计及强度预测方法

改变高性能混凝土配合比中的水灰比、石灰石粉掺量和磷渣掺量,通过试验测试混凝土的抗压强度随3个变量的演变关系,并结合神经网络算法建立混凝土抗压强度预测模型。结果表明:高性能混凝土的抗压强度与水灰比成反比例关系;石灰石粉和磷渣在不同的掺量区间内对混凝土抗压强度的影响为先升高后降低;基于SVM的预测模型能够很好地对混凝土抗压强度进行预测。     

基于BP神经网络的垃圾飞灰混凝土抗压强度预测模型

采用不同掺量的垃圾飞灰替代水泥制备高性能混凝土,分析垃圾飞灰不同掺量对高性能混凝土抗压强度的影响。在试验数据的基础上,建立以垃圾飞灰取代率、垃圾飞灰、水泥、砂/水泥、水胶比、龄期为因子的三层BP神经网络预测模型,将模型预测值与试验值进行对比,预测误差均在5%以内。结果表明BP神经网络在预测垃圾飞灰混凝土抗压强度上有较高的精度。     

基于深度学习的再生混凝土抗压强度预测

进行了18件不同配合比的再生混凝土砌块砌体的抗压强度试验,分析了水灰比、再生骨料取代率和粉煤灰掺量对再生混凝土抗压强度的影响规律。建立了基于深度学习神经网络的抗压强度预测模型,以水灰比、再生粗骨料取代率、再生细骨料取代率和粉煤灰掺量为输入变量预测了再生混凝土砌块的抗压强度。结果表明:与传统神经网络模型相比,基于深度学习的预测模型具有高精度、高效率和高泛化能力的优点,可以作为再生混凝土强度计算的一种新方法。     

砂率对废玻璃粉混凝土和易性及强度的影响试验

通过对砂率为35%、39%、43%、47%、51%的废玻璃粉混凝土进行试验,研究了不同水胶比及掺加废玻璃粉情况下,砂率对混凝土和易性及7 d、28 d、60 d抗压强度的影响。混凝土试件均在标准条件下进行养护。研究结果表明:与基准组混凝土相比,砂率对废玻璃粉混凝土和易性及强度的影响趋势较平缓;废玻璃粉掺入混凝土后混凝土的早期强度降低,但能在一定程度上改善低砂率时混凝土的和易性。     

基于神经网络的植生型多孔混凝土抗压强度预测模型

分析了影响植生型多孔混凝土抗压强度的主要因素,选取目标孔隙率、水胶比、胶凝材料用量、粗骨料用量、水用量、粗骨料平均粒径、粗骨料比表面积、粗骨料堆积孔隙率及浆骨比作为植生型多孔混凝土抗压强度的影响指标,分别建立了BP多层前馈神经网络预测模型和采用遗传算法优化的BP神经网络预测模型(GA-BP).收集国内外文献中146组植生型多孔混凝土试验数据,以其中116组数据作为训练样本,并采用其余30组数据作为试验样本与BP、GA-BP神经网络模型预测值、线性回归方程抗压强度计算值进行比较分析,结果表明:BP、GA-BP神经网络模型计算精度与离散性更优,且较线性回归方程计算结果更接近于样本试验值,更能够准确地预测多孔混凝土的抗压强度值.     

掺玻璃粉超高性能混凝土力学性能

为解决超高性能混凝土胶凝材料用量高,能耗高的问题,在制备超高性能混凝土（简称UHPC）时可用玻璃粉替代部分胶凝材料,在减少水泥、硅灰等胶凝材料用量的同时,促进废弃玻璃的再利用。通过试验研究了玻璃粉掺量、外加剂掺量和纤维类型及掺量对掺玻璃粉超高性能混凝土基本性能的影响。试验结果表明：掺加10%玻璃粉时抗压强度提高最多,玻璃粉掺量对流动性影响较小。UHPC对外加剂较为敏感,制备时应保证外加剂的同一性。消泡剂能够很好的消除材料气孔,增加流动度,建议掺量为0.3%。圆直型钢纤维比端钩型钢纤维对UHPC的抗压强度提升更高,但抗折强度不及端钩型。在保证UHPC流动度的前提下,建议钢纤维的掺量不超过2%。玄武岩纤维可有效提高UHPC的抗折强度,但对抗压强度影响不大,且会减少材料的流动性。研究结果对减少UHPC能耗,解决废玻璃再利用,促进UHPC工程应用具有积极的意义。     

基于深度学习的再生混凝土抗压强度预测

进行了18组不同配合比的再生混凝土立方体试块的抗压强度试验,分析了水胶比、再生骨料取代率和粉煤灰掺量对再生混凝土抗压强度的影响规律。建立了基于深度学习神经网络的抗压强度预测模型,以水胶比、再生粗骨料取代率、再生细骨料取代率和粉煤灰掺量为输入变量预测再生混凝土试块的抗压强度。结果表明:与传统神经网络模型相比,基于深度学习的预测模型具有高精度、高效率和高泛化能力的优点,可以作为再生混凝土强度计算经验式的一种新方法。     

废玻璃粉混凝土配合比正交试验研究

采用正交试验原理对废玻璃粉混凝土最佳配合比进行正交试验研究,试验采用废玻璃粉掺量、水胶比、砂率、粒径4变量因素3水平进行正交试验研究对抗压强度的影响,根据试验数据结果分别采用绝对数值法与相对数值法的多项式拟合线性回归,分别研究了各单因素对抗压强度的影响,并定量分析了各个因素影响的显著性。研究表明水胶比、玻璃粉掺量是影响抗压强度的主要因素,粒径与砂率是次要因素并且正交法适用于不同变量因素玻璃粉混凝土配合比的设计。     

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明：所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致...     

神经网络下能量桩桩基混凝土强度及导热预测

基于神经元网络理论，建立能量桩桩基混凝土抗压强度和导热系数的预测模型，设计16组不同配合比的桩基混凝土进行抗压和导热试验。根据试验结果，以石墨掺量、玄武岩纤维掺量、水胶比、玄武岩纤维长度作为输入参数，分别以混凝土抗压强度、导热系数作为模型的输出参数，建立两个4-9-1的BP神经网络模型。研究结果表明：基于BP神经网络模型的预测与试验结果误差在5%以内，预测精度较高，可以作为能量桩桩基混凝土配合比设计的参考。     

玻璃粉对桥用混凝土性能的影响

为了进一步推动玻璃粉在桥用混凝土方面的应用,通过测试不同龄期混凝土的抗压强度、干燥收缩和碳化深度,并结合SEM微观测试,研究了不同掺量玻璃粉对桥用混凝土性能的影响及机理。试验结果表明,随着龄期的增加,掺加量为10%玻璃粉的桥用混凝土,后期抗压强度增强,干燥收缩和碳化深度减小。该结论对玻璃粉在桥用混凝土中的实际应用具有一定的指导意义。     

废玻璃粉掺量对混凝土力学性能影响的研究

为了研究废玻璃粉掺量对混凝土性能的影响,论文通过在普通混凝土、含硅灰混凝土和含粉煤灰混凝土中掺入废玻璃粉,进行对比实验。结果表明：废玻璃粉可提高普通混凝土的抗压强度和抗拉强度,降低混凝土吸水率和密度,但随着废玻璃粉含量的增加,混凝土的和易性有所提高。废玻璃粉可改善混凝土的部分性能,具有一定的应用价值。     

废玻璃粉混凝土的碳化特征

为研究废玻璃粉混凝土抗碳化性能,将粒径不超过75μm的无色废玻璃粉分别以10%、20%、30%与粉煤灰20%的掺量等质量代替水泥制作100 mm×100 mm×400 mm的混凝土棱柱体试块。分别标养3、28、56 d后,采用加速碳化试验法进行碳化试验,然后用酚酞溶液滴定法测定试件的碳化深度,并通过热重-差热分析、压汞法分别测定混凝土养护56 d后的碳化程度与孔隙率。结果表明,当养护时间较短时,废玻璃混凝土的抗碳化性能随废玻璃粉掺量的增加而下降;随着养护时间增长,混凝土中废玻璃粉火山灰效应显著,掺量10%的废玻璃混凝土在标养56d后抗碳化性能与基准组相当。     

基于BP神经网络的再生保温混凝土抗压强度预测

通过研究再生粗骨料取代率、水灰比对再生保温混凝土抗压强度的影响,建立了以再生粗骨料取代率、水灰比以及混凝土表观密度为因子的BP神经网络预测模型,旨在通过这三种因子的测量对再生保温混凝土28 d抗压强度进行预测。试验研究表明,当再生粗骨料取代率为50%时,再生保温混凝土抗压强度与混凝土拌合物表观密度近似成线性关系,抗压强度随着水灰比的增大而降低;当取代率为100%时,抗压强度与表观密度为非线性关系,抗压强度随表观密度的增大而增大,随水灰比的增加而增加。建立的三因子BP神经网络模型的预测值与实际值的误差在3%以内,可用于再生保温混凝土的抗压强度预测。     

基于BP神经网络的绿色混凝土抗压强度预测模型

与普通混凝土相比,绿色混凝土具有成分复杂的特点,为了在多因素作用下更为准确地预测绿色混凝土的抗压强度,在分析三层BP神经网络原理的基础上,选择影响绿色混凝土抗压强度的7个指标,以66个抗压强度试验为示例,建立了三层BP神经网络抗压强度预测模型.验证样本的训练结果表明,该模型能够较准确地快速预测绿色混凝土的抗压强度,并通过对各指标的权重计算,确定了影响绿色混凝土抗压强度的主要因素.     

不同加载速率下废玻璃粉混凝土单轴拉伸试验研究

通过直接拉伸的试验方法。研究了废玻璃粉掺量0、10%、20%的混凝土试件在五种不同加载速率下的破坏形态及破坏机理;并借鉴平行杆模型PBS,建立废玻璃粉混凝土单轴抗拉细观损伤模型,得到损伤关系和试验中的应力应变曲线非常相似,说明了混凝土单轴拉伸细观损伤模型是可以用于废玻璃粉混凝土中的;废玻璃粉混凝土极限抗拉强度随着加载速率的增加而提高,为研究动态抗拉强度与加载速率的关系,对加载速率与动态抗拉强度的影响进行线性回归拟合,得到动态抗拉强度增量与加载速率近似关系。