混凝土强度检测中超声回弹综合法的建议探讨

混凝土强度检测是工程质量控制的重要内容,其是结构安全鉴定的关键项目。因此,其在相同配合比、原材料以及振捣控制下,混凝土工程的养护成为了影响混凝土强度的关键因素。本文以某工程为例,对超声回弹综合法在混凝土强度检测中的应用提出几点建议。     

回弹法和超声回弹综合法检测混凝土强度在工程建设中的应用

总结和分析检测混凝土强度常用的四种方法,并通过试块抗压强度检测、回弹法、超声回弹综合法的实际检测结果进行对比分析,给工程质量监督工作的现场混凝土强度检测提出一些参考意见。     

超声回弹综合法检测负温混凝土强度

本文将超声回弹综合法用于负温混凝土强度检测。结果表明,超声回弹综合法可以用于检测和评定负温混凝土的强度。     

基于人工神经网络的回弹-拔出综合法检测混凝土强度的研究

在试验研究的基础上,建立了混凝土强度回弹-拔出综合法检测的人工神经网络模型.探索并应用了神经网络的改进算法,其中包括附加冲量法、自适应学习算法及S型函数输出限幅算法等,以保证建立的神经网络的快速有效.与传统的回归算法相比,采用人工神经网络模型推测出的混凝土强度具有更高的精度.     

超声平测-回弹综合法测试混凝土强度研究

提出了一种新的混凝土强度测试方法，即超声平测－回弹综合法，对该方法的原理进行了分析，并通过现场实验进行了验证；通过实测证明该方法使测试条件更加宽松，测量精度满足工程实用要求，具有较强的实用价值。     

超声回弹综合法对混凝土强度的检测及线性关系的研究

建筑工程事故已经是一个全球性的问题。许多质量事故均与混凝土的抗压强度未达到设计要求有密切的关系。混凝土是一种多组分的混合材料，从配料、搅拌、成型至养护诸工艺环节，无不影响混凝土的质量，如技术上疏忽或管理不善，势必造成工程质量事故。因此，加强混凝土质量的监控和检测，保证混凝土质量，是建筑工程管理的重要环节。传统的混凝土质量检测方法是以按规定取样制作的试件为基础的，但由于试件的制作条件，养护环境及受力状态的影响与结构物中原位混凝土有明显差异，其试验结果难以反映原位混凝土的质量状态。显然，无损检测技术是获得结构物中原位混凝土真实质量的唯一途径。     

超声-回弹综合法强度检测应注意的问题

超声一回弹综合法(简称综合法)通过混凝土抗压强度与混凝土超声波传播速度和表面回弹值之间存在的统计关系,用于检验建筑结构和构筑物中的普通混凝土抗压强度,它兼有超声法和回弹法的优     

回弹-拔出综合法检测混凝土强度的试验研究

采用了本地区具有代表性的原材料,分别配制了强度等级为C10、C20、C30、C40、C50和C60近80组混凝土试验试件,进行回弹、拔出以及抗压强度试验。利用最小二乘法,选取三种不同形式的回归模型进行回归分析,建议采用复相关系数最大、平均相对误差和相对标准差最小的直线函数式作为本地区回弹-拔出综合法地方测强曲线。通过对比试验,比较综合法与单一方法推定混凝土强度值,综合法的相对误差较小,检测精度高。     

超声回弹综合法在混凝土强度检测中的应用

概述了超声回弹综合法的原理。在试验的基础上，建立了本地区的混凝土强度回弹法检测测强曲线。     

基于人工神经网络的混凝土实时强度影响因素敏感性分析

准确地预测出混凝土材料在使用过程的实时强度对于正确评估结构安全性有着重要的意义。影响混凝土材料实时强度的主要因素包括龄期、环境类别、水灰比、胶凝材料用量等等。采用人工神经网络进行混凝土实时强度影响因素敏感性分析。首先,对影响混凝土实时强度的各类因素进行分析,确定敏感性因素。其次,针对龄期敏感性因素,建立两个神经网络,一个神经网络的输入变量包含龄期,另一个不包含龄期,将训练好的两个神经网络用同组数据进行测试,比较两组测试结果,以此来确定龄期因素对混凝土强度的敏感性。采用上述方法分别对环境类别、水灰比、胶凝材料用量等因素进行敏感性分析。最后,通过比较确定混凝土龄期、环境类别、水灰比为影响混凝土实时强度的敏感性因素。     

人工神经网络在掺活化煤矸石粉混凝土强度预测中的应用

人工神经网络技术综合考虑了掺活化煤矸石混凝土强度的各种影响因素,可用于预测混凝土强度.选取了掺活化煤矸石粉混凝土配料中7个主要因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对掺活化煤矸石配合比强度试验数据进行分析预测,效果良好.结果表明该方法用于掺矿物掺合料混凝土强度预测方面是可行的.     

人工神经网络在混凝土施工质量评价中的应用研究

利用神经网络方法建立混凝土施工质量评价的模拟模型,以混凝土制备、运输、浇筑、养护为输入层,混凝土施工质量程度为输出层,建立人工神经网络模型,并以实际数据对该网络进行训练和测试.实践表明,该模型具有较好的辨识精度.最后得出数字化的评估结果,能准确、直观地反映施工质量的优劣,从而展示了人工神经网络在工程施工质量评价中的广阔前景.     

基于人工神经网络的大体积混凝土温度场预测

大体积混凝土的水化热不容易及时散发,内部温升将会很高,从而产生很大的温度应力,导致出现温度裂缝。预测分析温度场为研究温度裂缝以及进行温控设计、制定合理的防裂措施提供了依据。针对大体积混凝土温度场的非稳态特性,提出了一种基于BP人工神经网络Levenberg—Marquardt算法的温度场预测模型。预测结果表明,该模型收敛速度快,预测精度较高。     

Modeling of bentonite/sepiolite plastic concrete compressive strength using artificial neural network and support vector machine

Plastic concrete is an engineering material, which is commonly used for construction of cut-off walls to prevent water seepage under the dam. This paper aims to explore two machine learning algorithms including artificial neural network (ANN) and support vector machine (SVM) to predict the compressive strength of bentonite/sepiolite plastic concretes. For this purpose, two unique sets of 72 data for compressive strength of bentonite and sepiolite plastic concrete samples (totally 144 data) were prepared by conducting an experimental study. The results confirm the ability of ANN and SVM models in prediction processes. Also, Sensitivity analysis of the best obtained model indicated that cement and silty clay have the maximum and minimum influences on the compressive strength, respectively. In addition, investigation of the effect of measurement error of input variables showed that change in the sand content (amount) and curing time will have the maximum and minimum effects on the output mean absolute percent error (MAPE) of model, respectively. Finally, the influence of different variables on the plastic concrete compressive strength values was evaluated by conducting parametric studies.     

再生混凝土强度预测的神经网络模型

BP神经网络方法由于综合考虑了再生混凝土强度的各种影响因素,能够实现非线性关系,可以用于再生混凝土强度预测.为克服传统BP网络收敛速度慢、易出现麻痹现象等不足.研究采用L-M算法来改进传统的BP神经网络,仿真结果表明,该方法简单可行,搜索速度快,预测结果可靠、精度高.     

A hybrid machine learning model to estimate self-compacting concrete compressive strength

This study examined the feasibility of using the grey wolf optimizer (GWO) and artificial neural network (ANN) to predict the compressive strength (CS) of self-compacting concrete (SCC). The ANN-GWO model was created using 115 samples from different sources, taking into account nine key SCC factors. The validation of the proposed model was evaluated via six indices, including correlation coefficient (R), mean squared error, mean absolute error (MAE), IA, Slope, and mean absolute percentage error. In addition, the importance of the parameters affecting the CS of SCC was investigated utilizing partial dependence plots. The results proved that the proposed ANN-GWO algorithm is a reliable predictor for SCC’s CS. Following that, an examination of the parameters impacting the CS of SCC was provided.     

回弹法检测混凝土抗压强度的思考

对回弹法进行了简要介绍,结合自身工作实践,探讨了采用回弹法检测混凝土抗压强度的相关注意事项,包括回弹仪的选择,数据的采集,回弹值的计算等内容,以期促进回弹法在混凝土结构检测中的应用。     

基于神经网络在钢筋混凝土施工质量评价中的应用研究

利用神经网络的非线性函数逼近能力,实现对钢筋混凝土施工质量评价的模拟模型,以模板工程、钢筋工程、混凝土工程施工质量为输入层,钢筋混凝土施工质量程度为输出层,建立人工神经网络模型,并以实际数据对该网络进行训练和测试.最后得出数字化的评估结果,能反映施工质量的优劣,从而展示了人工神经网络在工程施工质量评价中的广阔前景.