大掺量矿物掺合料高性能混凝土在京沪高铁四标段中的应用

以京沪高速铁路为工程背景,试验研究了矿物掺合料（粉煤灰、粉煤灰-矿粉）对混凝土工作性能、力学性能和耐久性能的影响以及大掺量矿物掺合料高性能混凝土的配制技术。结合实际工程,介绍了大掺量矿物掺合料高性能混凝土原材料选择、配合比设计、施工工艺等方面的控制技术。     

普通混凝土绿色高性能化研究

简要介绍了绿色材料的概念和发展状况.针对兰州市普通混凝土发展现状,分析了普通混凝土配合比的不足,提出了兰州市普通混凝土绿色高性能化的途径,总结了粉煤灰在混凝土中的作用.通过粉煤灰掺量对混凝土性能的影响和混凝土的约束收缩实验研究,优化了粉煤灰混凝土的配合比,并应用于生产.研究结果表明:粉煤灰混凝土具有优越的性能,正是由于粉煤灰混凝土的优越性才能使其成为绿色高性能混凝土;使用兰州本地的原材料可以达到普通混凝土的绿色高性能化.     

高性能混凝土在现浇箱梁中的研究应用

通过笔者参建的某高速公路现浇箱梁工程实例,论述了泵送高性能混凝土配合比的应用研究和实施效果。泵送粉煤灰高性能混凝土在箱梁结构中的应用,省内还是首次。本文在泵送高性能混凝土的配合比设计方面作了新的探索,并在施工管理和质量检验方面积累了一定的经验。     

粉煤灰高性能混凝土正交试验研究

粉煤灰高性能混凝土是具有广阔发展前景的绿色建材。本文通过混凝土配合比的正交试验 ,分析了有关因素对粉煤灰混凝土性能的影响规律和效果 ,并确定了不同标号粉煤灰高性能混凝土的配比方案。     

粉煤灰和矿粉在高性能混凝土配合比中的应用

通过在混凝土配合比设计中掺粉煤灰、矿粉与混凝土中不掺粉煤灰、矿粉的对比，分析粉煤灰、矿粉高性能混凝土的拌合物性能和力学性能的影响。     

地铁工程中高性能混凝土耐久性综合评估

针对南京地铁主体工程C30泵送混凝土,从设计强度、工作性、经济性、抗裂防渗性能及耐久性能等4个方面制定了混凝土性能综合评定指标;通过各试验配比混凝土性能检测结果,对南京地铁主体工程C30高性能泵送混凝土进行了综合评估,并推荐工程施工配合比为双掺粉煤灰加矿渣微粉混凝土,活性掺合料掺量为46%~56%,粉煤灰占活性掺合料总量的比例为34%~50%;或为单掺粉煤灰混凝土,粉煤灰掺量为25%~30%,保证了南京地铁工程钢筋混凝土100年耐久性目标的实现.     

波司登长江大桥拱肋高性能混凝土设计与试验

为得到主跨530 m的中承式钢管混凝土桁架拱桥——波司登长江大桥的拱肋管内C60高性能混凝土混凝土基准配合比,采用密实骨架堆积法进行设计,得到初步配合比为水泥∶粉煤灰∶砂∶石子∶水=430∶140∶701∶1041∶156。以初步配合比为基础进行制备和试验,优化了胶凝材料体系,硅灰掺量确定为30 kg/m3,经过对混凝土的工作性能和力学性能进行试验检验,最终确定满足大桥使用性能要求的基准配合比为水泥∶粉煤灰∶硅灰∶砂∶石∶水=430∶110∶30∶701∶1041∶156。     

中强粉煤灰混凝土优选配合比的应用研究

本课题针对兰州市混凝土发展现状,分析研究了混凝土配合比的不足,对粉煤灰混凝土进行了实验研究、配合比优化和经济分析,提出了粉煤灰混凝土配合比的最佳性能和最优价格种类,为我省推广应用粉煤灰混凝土,提高粉煤灰资源化给出了理论依据。     

地铁混凝土的抗裂防渗性能研究

采用圆环法和一次加压法对地铁用高性能混凝土的抗裂防渗性能进行了研究,结果表明,在满足地铁混凝土C30P8的前提下,35%优质粉煤灰的掺入更能有效抑制收缩引起的开裂,矿粉混凝土的抗渗性能要好于粉煤灰混凝土的抗渗性能,并由此确定出了满足地铁用混凝土的最优配合比.     

铁路高性能混凝土配合比设计探讨

采用全计算法对铁路高性能混凝土进行了配合比设计,并在此基础上研究了粉煤灰掺量对混凝土力学性能及耐久性能的影响,试验结果表明,全计算法是一种更科学、更合理、更准确的配合比设计方法,为提高混凝土的耐久性,应该在保证混凝土早期强度的前提下尽可能多掺加矿物掺合料。     

基于小生境Pareto遗传算法的混凝土桥面板维修优化

混凝土桥面板是桥梁组成部分中最易损坏的结构单元,维修频率最高.研究了在各种约束条件下如何得到混凝土桥面板最佳维修策略问题.建立了桥面板维修的多目标优化模型,同时满足费用最小化以及性能最大化等多个相互冲突的目标,并采用小生境Pareto遗传算法(NPGA)求解.结果表明,基于NPGA的桥面板维修优化方法提供了一系列可行解供桥梁管理者根据偏好进行挑选,增加了维修策略的选择范围.这种方法既可以避免单目标优化无法考虑其他影响因素的缺点,又可以克服多目标优化传统解法的某些不足,提高了维修决策的科学性、合理性,适于指导桥梁维修工程实践.     

基于遗传算法的钢筋混凝土梁桥优化设计

基于遗传算法对钢筋混凝土梁桥结构进行优化设计,运用遗传算法GA工具箱对钢筋混凝梁的截面有效高度和钢筋用量进行优化,以达到降低工程造价的目的。研究表明,利用遗传算法可以方便有效地寻找出工程结构设计的最优结果。     

离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

基于混合遗传算法的混凝土大坝力学参数反演

将混凝土大坝和岩石基础的力学参数识别反问题作为优化问题处理,然后采用混合遗传算法求解可准确地确定岩体的力学参数。基于观测的混凝土大坝坝顶水平位移,建立了识别混凝土大坝和岩石基础力学参数的数值方法。为解决简单遗传算法的早熟问题,将遗传算法与模拟退火算法相结合,提出了基于混合遗传算法的混凝土大坝力学参数反演方法。丰满混凝土大坝实际工程应用表明,根据参数反演结果预报大坝在不同水位条件下的水平位移具有较高的精度。     

深基坑土钉支护的参数优化设计

为了降低土钉墙的工程造价并保证安全,建立了土钉墙参数优化设计模型,对土钉道数、土钉直径、土钉长度、土钉水平间距、土钉竖向间距和土钉倾角等参数进行优化设计·对于土钉墙参数这样复杂的优化设计问题,传统的方法很容易陷入局部最优解,而遗传算法(GA)是一种全局优化方法,但在迭代过程中经常出现未成熟收敛、振荡和迭代过程缓慢等缺点·为此提出进退搜索算法与遗传算法结合,并提出改进措施而构成改进混合遗传算法(IHGA)·工程实例的结果表明这种IHGA的优化设计结果不仅保证了深基坑的稳定性,而且使其工程材料成本大大降低·     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

基于改进遗传算法的网格任务调度

为在网格环境下完成任务调度,使服务运行时间和费用2个指标达到最优化,将这2个指标作为网格任务调度模型的衡量指标,将计算经济模型引入网格资源管理,改进了遗传算法。算法中的染色体编码采用间接编码方式,对每个任务占用的资源编码,即实数编码方法。生成初始种群时采用随机生成种群和根据某些先验知识生成种群这2种方法相结合,变异操作时根据原来染色体的适应值和适应度函数进行有目的的随机变异。通过网格仿真平台GridSim对该算法进行模拟验证,并将其与简单遗传算法及GridSim中经济模型下时间最优算法DBC_Time比较,试验结果证明,其能较好完成网格环境下任务的调度,实现时间和费用双目标优化。     

基于遗传算法的双圆弧齿轮传动的神经网络优化设计

针对常规设计中双圆弧齿轮体积较大的问题,在先选定螺旋角的情况下,以圆弧齿轮传动的小齿轮齿数、法面模数及齿宽为设计变量,以两圆弧齿轮的体积之和最小为目标函数,应用遗传算法设计理论,建立双圆弧齿轮传动的遗传算法优化设计的数学模型,采用神经网络对其进行优化.结果表明,应用遗传算法和神经网络相结合的方法对双圆弧齿轮传动进行优化设计,可以克服单纯用遗传算法的早熟现象和神经网络发生局部收敛的缺点,体积减少30%以上.     

基于数字孪生技术的危化品车辆运输路径优化方法

针对危化品物流管控成本高、安全隐患检测困难、不确定因素较多等特点,基于数字孪生技术,建立孪生数据驱动下的危化品物流配送系统整体框架,实现对驾驶员疲劳状态及车辆故障预警等参数的实时监测。根据物理参数实现对危化品车辆调度物理空间的精准模拟与迭代优化。构建单一配送中心,带有时间窗约束的路径优化模型,以配送总成本最小为目标函数,结合孪生数据动态调整客户服务时间,采用遗传算法内核利用MATLAB求解数学模型。该方法有效解决了危化品物流调度过程中由于动态不安全因素对危化品运输成本带来的波动。     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.