共查询到10条相似文献,搜索用时 15 毫秒
1.
采用等强配合比优化设计来制备橡胶掺量0%~20.0%、钢纤维掺量0%~1.5%的12组钢纤维橡胶混凝土(SFR-RuC)试件,并且通过单轴循环受压应力-应变全曲线试验分析其循环受压力学性能.结果表明:配合比优化设计后,在橡胶掺量为20.0%时可以得到与普通C60混凝土基本等强的SFR-RuC;与普通混凝土、橡胶混凝土及钢纤维混凝土相比,SFR-RuC的循环受压力学性能更优,破坏呈明显延性特征,延性和韧性更高,滞回耗能能力更强,塑性应变累积和刚度退化更缓慢;综合考虑橡胶及钢纤维掺量的影响,在试验数据基础上提出的SFR-RuC单轴循环受压应力-应变关系模型,可以为SFR-RuC结构的设计分析提供一定的理论基础. 相似文献
2.
通过混凝土抗冻性快冻法试验,研究了氧化石墨烯再生粗骨料混凝土(GO-RAC)在冻融循环与氯盐侵蚀耦合作用下的耐久性能,测试分析了GO-RAC的相对动弹性模量、质量损失率、抗压强度及氯离子侵蚀情况.结果表明:冻融循环与氯盐侵蚀的耦合作用加速了再生粗骨料混凝土(RAC)的劣化损伤,经历72次冻融循环后不同GO掺量GO-RAC的相对动弹性模量均降至其初始值的60%以下,宏观劣化程度较普通RAC有不同程度的降低;由于耦合初期侵蚀产物的填充致密效应,GO-RAC的抗压强度呈现先增大后减小的趋势;GO-RAC在冻融循环与氯盐侵蚀耦合作用下的Cl⁻分布符合Fick第二定律,表面的Cl⁻质量比随着耦合次数的增加呈指数形式增大,扩散系数随着耦合次数的增加先减小后增大. 相似文献
3.
针对1 030组混凝土抗压强度试验数据,通过天牛须搜寻算法(BAS)来训练多层神经网络(MLP),并与混合复杂进化方法(SCE)-MLP、多元宇宙优化算法(MVO)-MLP这2种耦合模型算法进行对比分析,得到可用于预测混凝土抗压强度的算法模型.结果表明:BAS可以显著提高MLP的训练精度和预测精度,该算法比SCE-MLP、MVO-MLP耦合模型算法更快、更准确;与人工神经网络(ANN)和支持向量机(SVM)个体学习算法相比,元启发式算法在混凝土抗压强度预测方便表现出良好的优越性.同时讨论了BAS-MLP模型中与训练数据集数量和输入变量数量相关的因素,发现使用1 030组数据的80%即可获得良好的预测结果. 相似文献
4.
采用超高性能混凝土(UHPC)修复普通混凝土(NSC)基体时可以获得优异的界面黏结强度,其值甚至高于基体强度,导致界面性能测试时容易发生基体失效,从而不能准确评价界面性能及其影响因素.针对上述问题,提出了基体约束加强的方法,将失效位置控制在修复界面,测得了真实的UHPC-NSC界面黏结强度,分析了基体强度和修复面粗糙度对界面性能的影响与机理,克服了传统测试方法的评价结果过于保守且难以反映粗糙度等影响因素的不足.UHPC-NSC界面较NSC-NSC界面更加致密,界面过渡区的钙硅比更低,宽度和孔隙率分别降低了91%和70%. 相似文献
5.
6.
为快速准确地获得具有优异耐水性氯氧镁水泥混凝土(MOCC)的配合比,设计了拓扑结构为4-10-2的粒子群优化(PSO)算法-反向传播(BP)神经网络(PSO-BPNN)模型.该模型的输入层参数为n(MgO)/n(MgCl2)、粉煤灰掺量、磷酸掺量和磷肥掺量,输出层参数为MOCC的抗压强度和软化系数;模型数据集为144组,其中训练集数据为100组,验证集数据为22组,测试集数据为22组.结果表明:PSO-BPNN模型在MOCC抗压强度预测中的评价参数——决定系数R2=0.99、平均绝对误差SMAE=0.52、平均绝对误差百分比SMAPE=1.11、均方根误差SRMSE=0.73;其在软化系数预测中的评价参数——R2=0.99、SMAE=0.44、SMAPE=1.29、SRMSE=0.62;与BP神经网络(BPNN)模型相比,PSO-BPNN模型具有更强的双参数预测能力,可用于MOCC配合比的正向设计和反向指导. 相似文献
7.
以玄武岩-聚乙烯醇(PVA)纤维体积分数为变化参数,对纤维混凝土进行室内盐雾侵蚀加速试验,通过抗压耐蚀系数Kf、相对质量评价参数ξ1、相对动弹性模量评价参数ξ2以及扫描电镜(SEM)照片,分别从宏观、微观层面对纤维混凝土耐久性损伤劣化进行评价分析,并基于GM(1,1)-Markov模型对其寿命进行预测.结果表明:在盐雾环境下,纤维混凝土的Kf先上升后下降,ξ1波动性较大,ξ2可作为评价纤维混凝土损伤劣化的决定性因素;GM(1,1)-Markov模型与实测数据吻合较好,纤维混凝土的最佳玄武岩、PVA纤维体积分数分别为0.10%、0.05%,其在盐雾环境下的服役时间最长,达到680 d. 相似文献
8.
9.
研究了羟乙基纤维素(HEC)和高低取代度羟乙基甲基纤维素(H-HMEC、L-HEMC)对硫铝酸盐(CSA)水泥早期水化进程和水化产物的影响.结果表明:不同掺量L-HEMC均可促进CSA水泥在45.0 min~10.0 h内的水化;3种纤维素醚均先延缓CSA水泥溶解及其转化阶段的水化,后促进2.0~10.0 h内的水化;甲基的引入增强了含羟乙基纤维素醚对CSA水泥水化的促进作用,L-HEMC的促进作用最强;不同取代基和取代度的纤维素醚对水化前12.0 h内水化产物生成量的影响存在显著差异,HEMC对水化产物的促进作用强于HEC,L-HEMC改性CSA水泥浆体在水化2.0、4.0 h时生成钙钒石和铝胶的量最多. 相似文献