混凝土强度预测的人工智能方法

针对混凝土强度预测中存在的问题,提出了一种人工智能模型——人工神经网络预测方法,用人工神经网络对16种配比的混凝土进行了28 d强度预测,结果表明该模型可靠度很高,可用于优化混凝土的试配,从而节约大量的人力、物力和时间。     

矩形钢管混凝土短柱轴压承载力神经网络评估

人工神经网络在信息处理和计算方面优于传统方法 ,它不但具有一般的计算能力 ,还可以通过学习和记忆而获得知识进行推理 ,找出输入、输出、变量之间的关系从而得出结果。由于对矩形钢管混凝土的研究不够深入 ,故各种因素对矩形钢管混凝土短柱承载力的影响难以确定。探讨了用人工神经网络理论预测矩形钢管混凝土轴心受压构件强度承载力的可行性 ,在矩形钢管混凝土轴心受压短柱强度承载力试验的基础上 ,训练了一个三层 BP网络模型 ,并对矩形钢管混凝土轴心受压短柱强度承载力进行了预测 ,从而为承载力的评估提供了一种不同于传统思路的新方法。     

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。     

基于人工智能技术的超声-回弹综合法检测混凝土强度的研究

在试验研究的基础上,建立了混凝土强度超声-回弹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,采用人工神经网络建立的混凝土强度评定模型推测出的混凝土强度具有更高的精度.     

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.     

BP网络在人工砂粉煤灰混凝土配合比设计中的应用

人工砂粉煤灰混凝土是一种新型混凝土材料，相比较普通混凝土，除了用粉煤灰取代水泥外，还有人工砂完全取代天然砂，性质与普通混凝土有很大不同，有着非常广阔的应用空间，然而关于人工砂粉煤灰混凝土的系统研究却很少。当前，人工神经网络控制正被迅速地应用到混凝土材料研究的理论与实践中，比如利用人工神经网络进行高强粉煤灰混凝土强度预测及优化设计、用BP网络预测混凝土中的钢筋锈蚀量等。本文试就运用BP网络预测各种粉煤灰替代水泥率下的人工砂粉煤灰混凝土强度的问题加以探讨。     

基于神经网络的碳纤维布与混凝土极限粘结强度分析

碳纤维布与混凝土的极限粘结强度问题属于高度非线性问题,难以建立精确的数学表达式进行分析。对基于拉出试验的极限粘结强度数据进行分析,建立了人工神经网络,对极限粘结强度进行仿真预测。神经网络的建立考虑了碳纤维布的厚度、宽度、粘结长度、弹性模量、抗拉强度和混凝土试块抗压强度、抗拉强度、宽度这8个参数,运用了118组试验数据对网络进行训练,对15组数据进行了预测分析。将神经网络计算结果同4种经验公式计算结果进行比较,其精度明显高于其他4种模型。结果表明,运用人工神经网络对碳纤维布与混凝土的极限粘结强度进行预测是可行的。     

BP人工神经网络在混凝土耐久性评价上的应用

混凝土耐久性评价与预测一直是学术界与工程界的研究热点,常规的预测模型主要基于某几项指标,形式因个人的理解不同而各异.一种仿生模型--人工神经网络则能很好地解决这个难题,试验尝试用BP人工神经网络对多种配后比的混凝土进行耐久性评价与预测,结果表明此模型的可靠度很高,可以用以优化混凝土的配合比设计.     

神经网络法在混凝土强度研究中的应用

讨论了如何应用人工神经网络（ANN）的方法预测混凝土抗压强度,详细论述了采用BP算法建立混凝土抗压强度神经网络模型的过程,以及在活化剂作用下高掺量粉煤灰混凝土的强度效应,仿真结果表明,通过学习,BP网络可成功地建立非线性的强度模型,预测强度可达到较高精度。     

基于浆体厚度的混凝土流动性预测研究

通过对混凝土中原材料参数的分析和处理,提取浆体厚度这一新参数,用以建立新型人工神经网络模型,对混凝土的流动性进行预测。研究结果表明,提取的新参数与不加任何处理的混凝土配合比原材料用量参数相比,在混凝土坍落度预测中更具有科学性。通过胶材用量、用水量、减水剂用量和浆体厚度这四个参数建立的新型神经网络模型可有效预测混凝土的坍落度,预测值与混凝土坍落度实测值之间的标准差为8.23,与传统神经网络模型相比精确度显著提高。     

钢筋混凝土浅梁受剪承载力的修正计算

在更新钢筋混凝土矩形截面简支梁受剪试验数据的基础上，分析了GB 50010—2010《混凝土结构设计规范》中钢筋混凝土浅梁受剪承载力计算公式存在的问题。通过对集中荷载作用下987根无腹筋梁受剪试验数据进行非线性拟合得到混凝土项，并利用103组配对试件受剪试验结果验证了45°桁架模型的合理性，进而提出了修正计算式。结果表明GB 50010—2010《混凝土结构设计规范》中钢筋混凝土浅梁受剪承载力计算公式的安全度偏低，而对混凝土强度取值范围的限制偏于保守。修正计算式采用统一的表达式，且考虑了纵向受拉钢筋配筋率和尺寸效应的影响。集中荷载和均布荷载作用时，修正计算式的可靠指标较接近,且都能满足GB 50068—2001《建筑结构可靠度设计统一标准》的基本要求。     

再生混凝土有腹筋简支梁斜截面抗剪试验研究

根据普通混凝土梁斜截面抗剪性能试验方法设计,对7根再生混凝土简支梁斜进行截面抗剪性能试验,研究再生混凝土梁斜截面受力特点和抗剪破坏机理,分析再生骨料取代率对再生混凝土梁斜截面抗剪性能的影响,最后探讨再生混凝土梁抗剪强度计算公式,认为GB 50010—2002《混凝土结构设计规范》中普通混凝土梁抗剪承载力公式对再生混凝土梁同样适用,具有一定安全储备,并基于工程要求建议更适用于再生混凝土梁的抗剪公式。     

基于试验数据的高强混凝土梁抗剪承载力计算方法Ⅰ.无腹筋梁

为了研究高强混凝土无腹筋梁抗剪承载力的计算方法,收集国内外关于高强混凝土无腹筋梁抗剪试验的抗剪承载力、混凝土强度、剪跨比、截面有效高度、受拉纵筋配筋率等试验数据,整理成包含291组数据的数据库。利用数据库中的实测数据对中国《混凝土结构设计规范》（GB 50010—2010）、美国混凝土结构设计规范ACI 31-14和Zsutty提出的混凝土梁抗剪承载力公式用于高强混凝土梁的适用性进行评价,并分情况进一步研究中国规范公式,修正中国规范公式中的参数,得到一个新的公式。结果表明:3个公式用于高强混凝土梁时,Zsutty公式的预测结果最精确,中国规范公式的预测结果准确性次于Zsutty公式但好于美国规范公式;所得出的新公式较原规范公式更加适用于高强混凝土无腹筋梁。     

用改良模型分析缺陷混凝土梁的动强度

改进了传统的数字混凝土建模方法,利用新方法建立了存在初始缺陷的混凝土梁三点弯数值试验模型,随后对所建立的模型进行了3种工况的数值模拟.分析了初始缺陷的存在对混凝土动强度的影响规律,结果显示:在加载初期,加载速率越高,初始缺陷对材料动强度的影响越明显,但是在加载后期此影响减弱;当荷载达到材料的强度点时,不同的加载速率下,初始缺陷对混凝土材料动强度影响均不显著.通过与试验结果的对比,发现改进后的模型计算精度高于传统模型,计算结果更加合理,在工程实际当中能够取代传统的数字混凝土模型.     

基于弹性模量的再生混凝土疲劳强度分析

通过试验与分析,建立了再生混凝土弹性模量与其疲劳强度的回归公式,结果表明:由该回归公式计算出的再生混凝土受压疲劳强度与试验结果接近,可用来预测再生混凝土的受压疲劳强度,并指导工程实践;初步验证了GB 50010—2002《混凝土结构设计规范》中普通混凝土受压疲劳强度的取值方法对再生混凝土同样适用.     

利用粉煤灰开发高性能混凝土若干问题的探讨

现行规范对粉煤灰作为一般结构混凝土掺合料的品质和掺量有严格限制。通过实验研究和工程例证的分析表明：在低水胶比条件下,大掺量粉煤灰可明显改善大体积混凝土的性能,并可改善其温升－强度关系;在进行混凝土配合比设计时应将为煤灰作为独立组分考虑。提高粉煤灰利用水平,是发展绿色高性能混凝土的重要途径。     

废弃石粉对混凝土性能的影响研究

本次试验旨在探索废弃石粉对混凝土拌合物和易性和立方体抗压强度等性能的影响,探索废弃石粉在混凝土中的使用价值。用废弃石粉取代部分水泥,节约资源和能源,制成"绿色混凝土",是本次课题研究的意义所在。研究结果显示,废弃石粉不但可以改善混凝土的工作性能,而且具有重要的社会效益。     

内钢板中空方形钢管混凝土叠合柱轴压力学性能研究

为研究中内钢板中空方形钢管混凝土（CFST）叠合柱的轴压力学性能,以内钢板与钢管的强度和壁厚为参数对8个叠合短柱进行轴压试验,以截面尺寸、钢管内外混凝土强度、钢材强度、纵筋与钢管用钢量分配为参数对81个叠合短柱进行有限元分析,对典型构件受力全过程、各部分接触作用以及承载力进行研究。在美国结构设计规范ANSI/AISC 360-16、欧洲钢结构设计规范BS EN 1994-1-1、GB 50936—2014《钢管混凝土结构技术规范》和T/CECS 663—2020《钢管混凝土加劲混合结构技术规程》的组合柱承载力计算公式中增加内钢板承载力项,得到内钢板中空方形CFST叠合构件的轴压承载力计算式。结果表明：轴压荷载作用下,内钢板中空方形CFST叠合柱钢管外混凝土、内钢板、钢管、纵筋以及核心混凝土能协同工作;内钢板强度与壁厚对构件承载力、延性和刚度影响均较小;截面尺寸和混凝土强度对构件承载力贡献最大,但构件延性随着混凝土强度的增大而降低。在T/CECS 663—2020和ANSI/AISC 360-16的组合柱承载力计算公式中增加内钢板贡献项计算得到的承载力值与试验和有限元结果最为接近。     

Multiple linear regression,artificial neural network,and fuzzy logic prediction of 28 days compressive strength of concrete

Evaluating the in situ concrete compressive strength by means of cores cut from hardened concrete is acknowledged as the most ordinary method, however, it is very difficult to predict the compressive strength of concrete since it is affected by many factors such as different mix designs, methods of mixing, curing conditions, compaction, etc. In this paper, considering the experimental results, three different models of multiple linear regression model (MLR), artificial neural network (ANN), and adaptive neuro-fuzzy inference system (ANFIS) are established, trained, and tested within the Matlab programming environment for predicting the 28 days compressive strength of concrete with 173 different mix designs. Finally, these three models are compared with each other and resulted in the fact that ANN and ANFIS models enables us to reliably evaluate the compressive strength of concrete with different mix designs, however, multiple linear regression model is not feasible enough in this area because of nonlinear relationship between the concrete mix parameters. Finally, the sensitivity analysis (SA) for two different sets of parameters on the concrete compressive strength prediction are carried out.     

碱激发废渣配制绿色高性能混凝土

传统水泥生产时,原生资源消耗大,废气、粉尘排放量大,对环境造成严重的污染。为降低水泥生产时的环境负荷,节约生产混凝土的资源与能源,满足混凝土可持续发展的要求,生产绿色混凝土势在必行。本研究利用矿渣、粉煤灰、锂渣、硅灰等工业副产品配制出28天抗压强度达87.5MPa的高强绿色混凝土。