神经网络在混凝土强度预测中的应用

通过建立神经网络中使用最广泛的BP网络模型，预测普通混凝土，高强混凝土等多种混凝土强度，模型的预测值与试验数据，传统的鲍罗米经验公式的预测结果进行了比较。研究表明，神经网络方法由于综合考虑了混凝土强度的各种影响因素，能够实现非线性关系，具有较高的预测精度，在混凝土性能预测中具有广阔的应用前景。     

用神经网络预测矿渣与粉煤灰混凝土的强度

利用目前神经网络中使用最多的BP网络的模型来预测矿渣粉煤灰混凝土的3天、28天的抗压强度。结果表明，由于神经网络具有很强的非线性表现能力，计算精度高，预测能力强．将神经网络方法应用于矿渣、粉煤灰混凝土的强度预测中，可为工程人员提供很大的方便，以指导生产，适应时代发展的要求。     

以粒子蜂群神经网络建立高性能混凝土强度模型

以粒子蜂群算法整合神经网络,提出一套可以预测高性能混凝土强度模型的方法论.以两个已经发表的方法进行比较,包括演化运算树及倒传递网络.由模型准确度可知,研究提出的三种不同隐藏层节点的粒子蜂群神经网络模型预测准确度高于演化运算树,但接近倒传递网络.由参数的影响性可知,粒子蜂群神经网络认为水泥、龄期、水、高炉矿渣粉、超塑剂、粉煤灰添加量对于高性能混凝土强度的影响性大,而粗、细骨料用量对高性能混凝土强度并不敏感,这样的结果与实际相符合.     

混凝土强度的分阶段进化神经网络方法的预测

早期获得混凝土28d抗压强度值,对提高工程质量和加快施工速度具有非常重要的作用。本文在国内外早期推定混凝土强度方法的基础上,提出了用分阶段进化神经网络的方法来预测预拌混凝土的强度,从而可以减少网络训练的时间,加快算法的收敛速度,简化网络结构。     

应用BP网络预测海水侵蚀混凝土的强度

通过建立神经网络模型对海水侵蚀混凝土的强度进行了计算和预测，研究表明，该法不仅可以综合考虑各种因素的影响，而且具有较高的预测精度，在混凝土性能预测中具有广阔的应用前景。     

活性粉末混凝土配制及其配合比计算方法

通过配制56组70.7 mm×70.7 mm×70.7 mm的活性粉末混凝土立方体试块,研究了水胶比和石英砂、硅灰、矿渣粉、钢纤维品种与掺量及养护制度对活性粉末混凝土的强度和流动度的影响.根据试验结果优选出了6组强度和流动性都比较好的活性粉末混凝土配合比,初步提出了活性粉末混凝土配合比计算方法.     

锚固深度对拔出法检测活性粉末混凝土强度影响的试验研究

对三个强度等级和五种锚固深度的活性粉末混凝土试件进行先装拔出和后装拔出试验。将试验数据进行回归分析,建立不同锚固深度的先装与后装拔出法测强曲线并进行对比,研究锚固深度对拔出法检测活性粉末混凝土抗压强度的影响。试验表明,活性粉末混凝土的抗压强度与拔出力之间有着良好的线性关系;同等强度等级下,拔出力随锚固深度的增大而增大;除此之外,测强曲线的精度也随锚固深度的改变而变化,先装拔出法检测活性粉末混凝土强度锚固深度20~30 mm时精度较好,后装拔出法检测活性粉末混凝土强度锚固深度25~40 mm较为适宜。     

活性粉末混凝土(RPC)的强度和耐久性分析

活性粉末混凝土近10年来发展迅速,而混凝土工业已成为高能耗、环境污染较严重的工业.分析了活性粉末混凝土现状及目前所存在的问题.由于目前我国各大中城市广泛使用混凝土,为了改善混凝土工业生态化现状,必须对现有的生产材料进行优化,以改善水泥混凝土的强度及耐久性,大力研制开发活性粉末混凝土.     

不同掺合料掺量的活性粉末混凝土抗压强度试验

通过活性粉末混凝土试件的受压试验,研究不同掺合料掺量的活性粉末混凝土在标准养护28 d条件下的受压力学性能。分析活性粉末混凝土立方体抗压强度、棱柱体抗压强度、弹性模量和峰值应变的相互换算关系,拟合出活性粉末混凝土应力-应变曲线方程式。研究结果表明:掺合料含量对活性粉末混凝土抗压强度影响较大,不同掺合料对活性粉末混凝土强度影响由大到小依次为:粉煤灰>硅粉>双掺粉煤灰和石英粉>硅微粉>石英粉,当粉煤灰掺合料掺量为40%时,活性粉末混凝土能达到较高强度。     

型钢外包活性粉末混凝土(RPC)的界面黏结性能

进行了6个试件的型钢外包活性粉末混凝土(RPC)短柱推出试验,分析了活性粉末混凝土(RPC)与型钢界面的破坏过程和黏结机理,得出了沿锚固长度方向黏结应力的分布规律。提出了界面黏结强度的计算方法。探讨了影响黏结性能的主要因素。基于试验结果给出了型钢外包活性粉末混凝土(RPC)界面极限黏结力的计算公式,且计算结果与试验结果吻合良好。研究成果为型钢外包活性粉末混凝土(RPC)结构计算理论建立以及有限元分析提供了试验依据。     

混凝土碳化深度的人工神经网络分析与预测

基于水灰比、碳化龄期、相对湿度以及抗压强度对混凝土碳化深度影响的试验研究成果,利用BP网络和RBF网络按内推与外推两种方式,对混凝土碳化深度进行分析与预测.通过两种网络的分析与预测性能比较,建议优先采用RBF网络进行内推预测,对于外推预测则只能采用BP网络.     

钢-活性粉末混凝土组合梁的极限承载力

对于连续体系的钢.普通混凝土组合梁,处于负弯矩区的混凝土桥面板由于抗拉强度低,极易受拉开裂,导致组合梁的强度与耐久性下降.针对这一问题,提出了采用超高强度、高耐久性、高韧性且体积稳定性良好的活性粉末混凝土(RPC)材料代替普通组合梁中的混凝土桥面板,并根据RPC材料的本构关系及抗拉强度高的特点,确定以临界开裂状态作为这种新型钢,RPC组合梁的正截面破坏模式,推导了极限承载力计算公式,并对组合截面中RPC板与钢梁的高度比、宽度比、RPC板中的配筋率进行了参数影响分析.结果表明:钢.RPC组合梁与同条件的普通组合梁相比,在保证负弯矩区桥面板不开裂的情况下,极限承载力仍有所提高,并且结构的抗裂性、刚度和耐久性都可得到极大改善.     

压弯钢筋混凝土柱正截面极限承载力的预测 --基于BP神经网络技术

提出双向压弯钢筋混凝土柱正截面极限承载力的预测模型．以影响钢筋混凝土柱正截面极限承载力的主要因素（如：截面尺寸、混凝土强度、加载角度及配筋率等）为参数。用数值模拟结果为训练样本,建立了柱正截面极限承载力的BP神经网络预测模型。经验证。该模型对双向压弯钢筋混凝土柱正截面极限承载力具有良好的预测效果。     

超高韧性水泥基复合材料与活性粉末混凝土动态性能研究

研究超高韧性水泥基复合材料（UHTCC）及活性粉末混凝土（RPC）在不同冲击荷载下的动态劈裂强度、拉压比、能量吸收量以及破坏状态.试验采用Ф80 mm的分离式霍普金森压杆以5组不同的冲击速度,打击UHTCC和RPC的平台巴西圆盘试样.研究结果表明：两组材料的动态劈裂强度随着应变率的上升而上升,具有明显的应变率敏感性,RPC的动态劈裂强度约为UHTCC的1.35倍;不同冲击荷载下两组材料的动态能量吸收量相近.     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

改进的BP模型及在大体积混凝土温度预测与控制中应用

文章针对传统的BP模型学习收敛速度慢容易陷入局部极小点等缺点,运用原始数据的非线性规格化函数,结合遗传算法调整权值,引入偏差单元,对BP模型进行了改进。提出运用改进的模型进行大体积混凝土温度预测与控制的新思路。通过实例验证,对于提高网络运行收敛速度、防止陷入局部极小点及克服手工调整参数的盲目性,都具有改善作用和一定的可操作性和实用性;为今后大体积混凝土温度预测与控制提供了可供借鉴的方法。     

神经网络在高强泵送混凝土配制中的应用研究

基于人工神经网络的原理和高强预拌泵送混凝土配制及施工的技术经验和路线,提出了解决高强预拌泵送混凝土配制模式特征不明确,随机因素多,各组分对混凝土强度及泵送性能影响呈非线性等问题的BP神经网络方法,据此开发的混凝土配合比设计应用软件,能较好地实现高强预拌泵送混凝土的强度及流动性能的预测。     

活性粉末混凝土人行天桥试设计研究

活性粉末混凝土(RPC)是一种抗压强度高且韧性、耐久性好的水泥基复合材料,应用于人行天桥,具有经济、美观、耐久性好等特点。以主跨47 m的某人行天桥为原型,进行了RPC人行天桥试设计。分析结果表明,与钢桥相比,RPC桥性价比较高,主梁材料费用为钢桥的61.0%;与预应力混凝土(PC)桥相比,结构受力性能有较大的提高,主梁混凝土和预应力筋用量减少56.4%和18.2%,结构自重减轻53.9%。因此,RPC人行天桥具有较大的应用优势。     

不同活性掺合料RPC力学性能试验研究

为了研究不同活性掺合料的活性粉末混凝土(RPC)在不同养护温度条件下的基本力学性能,分别对24组不同养护温度、不同活性掺合料的RPC试件,进行抗压强度和抗折强度试验。结果表明:同一种活性掺合料替代硅灰比例相同时,高温养护条件下的RPC试件力学性能优于常温养护条件下的RPC试件;在相同温度下,不同活性掺合料替代硅灰比例为40%~60%时,RPC试件抗压强度大小依次为:粉煤灰微硅粉石英砂;活性掺合料种类和替代硅灰比例的改变对RPC试件抗折强度影响不是很大;钢纤维的掺入对RPC试件的强度有一定的提高作用。