预应力碳纤维编织网与混凝土界面粘结性能研究

为研究纤维编织网与混凝土基体界面粘结性能,配制了与纤维编织网性能相适应的高性能混凝土,并采用德国斯图加特大学提出的拉拔试验方法,对纤维编织网增强混凝土薄板中纤维束与混凝土进行粘结性能试验,试验表明,对纤维编织网浸胶和对纤维束施加预应力后,能明显改善混凝土与纤维编织网之间的界面粘结性能,同时根据试验结果,提出了简化的粘结滑移三线段本构模型。     

基于RBF神经网络的混杂纤维混凝土强度预测

针对混杂纤维混凝土强度受多种因素影响,强度与各影响因素之间关系为复杂的非线性问题,通过人工神经网络的自适应、自学习和非线性映射,可以找到以影响因素为输入变量、以混杂纤维混凝土强度为输出变量之间的非线性关系,在文献试验实测值的基础上采用MATLAB神经网络工具箱建立了四个三层RBF和BP神经网络模型,采用所建立的RBF和BP神经网络对混杂纤维混凝土的抗拉强度和抗折强度分别进行预测,并将各自的预测值和实测值进行了对比分析。结果表明:RBF神经网络预测值与试验实测值吻合良好,较之BP神经网络有更高的强度预测能力,该方法可行且预测精度满足工程需要,为工程上研究混杂纤维混凝土强度提供了新方法。     

混杂纤维混凝土冻融后损伤值预测

混杂纤维混凝土受冻融作用后的损伤值受多种因素的影响,现阶段难以建立各影响因素与损伤值之间的数学模型。通过神经网络的自适应、自学习和非线性映射,可以建立以影响因素为输入变量、以损伤值为输出变量之间的非线性关系。采用相关试验数据,基于MATLAB软件建立AdaBoost-BP和BP神经网络预测模型,利用这两种预测模型对混杂纤维混凝土受冻融作用后的损伤值进行了预测,并将各自的预测值和实测值进行了对比分析。结果表明:AdaBoost-BP神经网络的预测精度较BP神经网络的预测精度更高,该模型为工程上研究混杂纤维混凝土受冻融循环损伤后的损伤程度提供了新方法。     

用于纤维编织网增强混凝土的自密实混凝土

配置了一种适用于纤维编织网增强混凝土结构的自密实混凝土,对其进行了自密实能力和力学性能的试验.结果表明:这种自密实混凝土具有良好的工作性能和力学性能,完全可以用来作为纤维编织网增强混凝土的基体.     

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。     

多层纤维编织网增强混凝土梁的挠度计算

基于混凝土结构的抗弯设计理论,忽略非受力纤维的影响,采用由纤维编织网增强混凝土(TRC) 薄板单轴拉伸试验确定的纤维束的拉伸应力应变关系,对环氧树脂浸渍过的纤维编织网增强细粒混凝土的抗弯计算理论进行了研究.结果表明:细粒混凝土抗压应力应变上升段采用GB 50010-2002<混凝土结构设计规范>建议的模型即可获得理想的计算结果;不同的布设层数对构件开裂前的刚度影响不明显,开裂后刚度随着布设层数的增多而变大;适当改变细粒混凝土的抗压强度和极限荷载压应变对计算结果影响不大.无论布设几层网,开裂前,计算值和试验值几乎一致.开裂后,对于二层网和三层网增强的小梁,其计算值和试验值的变化趋势基本一致,说明该计算模型可用于环氧树脂浸渍过的纤维编织网增强细粒混凝土构件的设计计算.     

纤维编织网增强细粒混凝土的抗弯计算理论分析

纤维编织网增强混凝土(TRC)结构是一种新型的结构形式,具有承载能力高、韧性强,构件尺寸小、重量轻,防磁化、施工简单等多种优点,以细粒混凝土作为纤维编织网增强混凝土基体,能增强混凝土与纤维网的粘结性,提高纤维编织网混凝土的性能。本文在介绍纤维编织网增强混凝土的基础上,对纤维编织网增强细粒混凝土的抗弯计算理论进行了分析,并采用四点弯曲试验,利用微机控制液压伺服试验机,通过分级加载,验证了公式的合理性。     

纤维束埋置长度对纤维编织网与混凝土的黏结性能的影响

纤维编织网与混凝土能否协调工作取决于两者之间的黏结强度。通过拉拔试验,分析了纤维束埋置长度对纤维网与混凝土黏结性能的影响,分析了纤维编织网与混凝土之间应力传递的机理。试验结果表明:随纤维束埋长增长,纤维束的极限拉拔力不断增加,平均黏结强度降低。最后提出了最佳埋置长度的取值和基本锚固长度的计算公式。     

纤维编织网增强混凝土的研究进展及应用

纤维编织网增强混凝土(TRC)是一种新型的纤维增强水泥基复合材料,它是纤维编织网与精细混凝土的结合。系统介绍纤维编织网与精细混凝土的界面性能、TRC基本力学性能和耐久性能、TRC用于结构加固修复的特点和TRC加固板、梁、柱等构件的力学性能、纤维编织网联合钢筋增强混凝土的抗弯性能及TRC在工程实际中的应用。最后,结合国内外的研究现状提出该研究领域中有待进一步研究的问题。     

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。     

基于BP神经网络预测复合盐侵蚀后混凝土的相对动弹性模量

为了预测复合盐侵蚀后混凝土的相对动弹性模量,在分析BP神经网络原理的基础上,提出用BP神经网络模拟混凝土相对动弹性模量变化率与复合盐溶液质量分数、侵蚀时间之间关系的方法。根据侵蚀试验的实际工况,分别建立了三维输入向量,一维输出向量的BP神经网络模型,通过39组试验,验证了模型的可靠性与精确性。结果表明:实测结果与预测结果相吻合,并且平均误差百分比为2.08%,该BP神经网络模型能较准确地快速预测侵蚀后混凝土的相对动弹性模量变化率。     

碳纤维编织网和高性能细粒混凝土的粘结性能

分析了纤维编织网和混凝土之间应力传递的机理,通过拉拔试验探讨了纤维束埋长、表面处理情况、混凝土强度和工作性能以及预应力水平对纤维编织网和混凝土粘结性能的影响.试验结果表明:随纤维埋长增大,纤维束的最大拉拔力不断增大,由脱粘破坏向拉断破坏转变;提高混凝土强度、改善其工作性能、用环氧树脂浸渍纤维编织网以及对其施加预应力均能提高纤维束的粘结强度.     

碳纤维编织网增强混凝土梁正截面承载力计算

碳纤维具有高抗拉强度、耐腐蚀、抗磁化的优点,纤维束可以沿混凝土中的主拉应力方向布置,因此碳纤维编织网增强混凝土得到了越来越多的应用。当受压边缘混凝土应变大于混凝土峰值压应变时,对混凝土压应力采用等效矩形计算方法;反之,则将其近似为三角形分布,然后利用平截面假定推导得到了纤维拉断控制破坏、混凝土压碎控制破坏及平衡破坏三种破坏模式下的碳纤维编织网增强混凝土梁正截面承载力计算公式。最后,结合试验数据,验证了计算公式的精确性。     

纤维混凝土界面应力增强机理分析

纤维对混凝土的增强效果主要取决于纤维-混凝土基体的界面粘结性能.从两相复合材料的界面性能入手,分析了纤维混凝土中纤维与基体混凝土之间界面应力的形成机理,根据剪切滑移模型分析了纤维与混凝土基体之间界面的应力传递,推导出了纤维与基体间的受拉应力和剪应力的传递模型,比较并给出了纤维混凝土应力四周的应力场的分布形态,分析了纤维增强混凝土的力学效果,并采用有限元方法验证了该模型的可靠性,从细观界面力学的角度分析了纤维对混凝土基体的增强机理.     

纤维编织网在细粒混凝土中的黏结和搭接性能

通过薄板试件的拉拔试验和四点弯曲试验研究了纤维编织网在细粒混凝土中的黏结和搭接性能.结果表明:纤维编织网的表面处理和经向纤维束对纤维编织网和细粒混凝土的界面黏结性能有着较为明显的影响;无论纤维编织网是粘砂还是不粘砂,随着碳纤维束初始埋长的增加,平均界面黏结强度有降低的趋势;当碳纤维束初始埋长大于35mm时,可保证碳纤维束与细粒混凝土有足够的黏结而不被拔出.对于粘细砂处理的绑扎搭接试件,碳纤维搭接长度不小于60mm可满足纤维束间应力传递的要求;在同样的搭接长度下,绑扎搭接纤维束的增强效果要优于黏结搭接.     

高性能混凝土碳化试验及人工神经网络碳化深度预测模型

为准确预测混凝土的碳化深度,开展了不同水灰比、粉煤灰掺量、矿渣掺量混凝土的制备与碳化深度测试,进行了数据采集。根据数据及BP算法,建立了3-7-1型三层BP网络,包含三因子网络输入量(水灰比、粉煤灰掺量、矿渣掺量)及单因子网络输出(碳化深度),提出了基于人工神经网络的混凝土碳化深度预测模型。采用最小二乘法建立了线性及伪线性两种预测模型与人工神经网络预测模型进行对比。结果显示：基于BP神经网络建立的混凝土碳化深度预测模型,相比较于常用的最小二乘法线性、伪线性模型更适用于多因素影响条件下的混凝土碳化深度预测,误差仅为线性模型的63.6%,伪线性模型的61.9%,采用BP神经网络能达到理想的预测结果。     

碳纤维编织网增强超高韧性水泥基复合材料弯曲性能的试验研究

短纤维增强超高韧性水泥基复合材料(Engineered Cementitious Composites,通常称为ECC材料)可以将传统水泥基材料在抗拉荷载下单一裂纹的宏观开裂模式转化为多条细密裂缝的微观开裂模式,其极限拉伸应变可达2%甚至达6%,具有典型的应变硬化特性、显著的韧性特征和优良的耐久性能。纤维编织网增强混凝土(Textile Reinforced Concrete,简称TRC)同样是一种新型的纤维增强水泥基复合材料,在这种复合材料结构中,直接将纤维粗纱沿混凝土结构中的应力主向连续布置,纤维对基体的增强效果得到了显著提高。采用纤维编织网与PVA短纤维相结合研究开发新型混凝土结构防裂新技术,结合PVA短纤维增强ECC和纤维编织网两种材料的优点,可以获得更为优良的抗裂和控制裂缝的能力,从而极大程度地提高混凝土结构的耐久性和使用寿命。通过四点弯曲试验,研究纤维编织网表面处理方法、水胶比、PVA纤维掺量对此种复合材料裂缝控制能力和承载能力的影响,并与TRC的弯曲性能作了比较。     

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。     

基于神经网络的混凝土强度预测

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:BP神经网络和RBF神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用BP神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。     

三种神经网络在混凝土强度预测中的应用

通过建立改进的BP和RBF两种神经网络模型，对混凝土的强度进行预测，将预测值与常规BP神经网络模型预测结果进行了比较，研究表明，改进的BP和RBF的神经网络模型能够充分考虑影响混凝土强度的各种因素，在强度预测中具有广泛的应用前景。