粉煤灰混凝土力学性能研究及早期预测

论文摘要

随着社会经济的发展和人们对绿色环境的需要,各种矿物掺合料和外加剂大量使用,尤其是粉煤灰的应用成为热点。早期对掺加粉煤灰的混凝土进行质量控制越来越受到人们重视,传统的预测方法准确性较差,难以在实际中被普遍推广应用。近几年有些人将人工智能算法,如人工神经网络应用到了混凝土强度预测方面,取得了较为理想的效果。本文针对这一情况,对粉煤灰混凝土强度的早期推定进行了全面系统的研究。首先,本课题通过试验研究了粉煤灰混凝土的力学性能,为了使试验结果能为后期的研究工作提供良好的理论支持和数据参考,主要做了如下工作:研究不同粉煤灰掺量、不同水胶比情况下混凝土的工作性、抗压与抗折强度以及坍落度,了解大致的变化规律。再进一步通过极差原理分析水胶比、胶凝材料掺量、粉煤灰掺量等因素对粉煤灰混凝土强度的影响程度,从而确定影响粉煤灰混凝土强度的主要因素。其次,论述了人工神经网络技术的主要原理和程序实现过程,利用试验得到的数据,应用MATLAB建立BP网络预测模型,得到的结果与试验的实际结果进行对比。同时应用多元线性回归分析的方法建立数学推定模型,利用该模型得出预测结果与神经网络预测的结果进行对比。结果表明:BP网络预测的数据精度更好,离散性也较小。但BP网络模型也有一些缺陷:一、需要大量训练样本,当训练样本较少时,不能很好的训练网络,网络泛化能力差;二、BP算法的学习速度很慢,由于BP算法本质上为梯度下降法,而它所要优化的目标函数又非常复杂,这使得BP算法效率并不高;三、从数学角度看,BP算法为一种局部搜索的优化方法,但它要解决的问题为求解复杂非线性函数的全局极值,因此,算法很有可能陷入局部极值,使训练失败。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 本文的研究背景
• 1.3 神经网络技术早期预测混凝土强度
• 1.4 早期预测混凝土强度技术概况以及常用预测混凝土强度的方法
• 1.4.1 混凝土强度预测技术的发展历程
• 1.4.2 早期预测混凝土强度的几种技术方法
• 1.5 本文研究的主要内容
• 第二章 粉煤灰混凝土概况与性能分析
• 2.1 粉煤灰混凝土的发展历史和研究现状
• 2.1.1 国外粉煤灰的发展历史和研究现状
• 2.1.2 国内粉煤灰的发展历史和研究现状
• 2.2 粉煤灰的特性以及在混凝土中的作用
• 2.2.1 强度
• 2.2.2 和易性、收缩性和徐变
• 2.2.3 钢筋锈蚀和碳化性能
• 2.2.4 水化热和碱—集料反应
• 2.2.5 抗冻性
• 2.2.6 抗渗性能和抗腐蚀性能
• 2.2.7 泵送性能
• 2.3 粉煤灰混凝土应用分类及大掺量粉煤灰混凝土
• 2.3.1 粉煤灰混凝土的应用分类
• 2.3.2 大掺量粉煤灰混凝土（HFCC）
• 2.4 机理分析
• 2.5 粉煤灰混凝土的发展前景
• 第三章 粉煤灰混凝土的试验概况和结果
• 3.1 试验原材料及其性能
• 3.1.1 水泥
• 3.1.2 粉煤灰
• 3.1.3 砂和石
• 3.1.4 水
• 3.1.5 减水剂
• 3.2 试验步骤
• 3.3 试验安排
• 3.3.1 普通粉煤灰混凝土试验
• 3.3.2 掺加减水剂的混凝土试验
• 3.3.3 坍落度试验
• 3.4 试验结果
• 3.4.1 抗压强度试验
• 3.4.2 抗折强度试验
• 3.5 试验结果分析
• 3.5.1 混凝土强度试验结果分析
• 3.5.2 坍落度试验结果分析
• 第四章 神经网络基本原理
• 4.1 神经网络技术基本概念
• 4.2 神经网络的基本结构
• 4.3 BP神经网络的基本原理
• 4.4 BP网络的计算过程
• 4.4.1 BP网络的学习步骤
• 4.4.2 BP网络的计算方法
• 第五章 神经网络技术早期预测混凝土强度
• 5.1 预测工具和基本思想
• 5.1.1 基于MATLAB的神经网络工具箱
• 5.1.2 应用人工神经网络早期预测混凝土强度的基本思想
• 5.2 神经网络预测粉煤灰混凝土的强度
• 5.2.1 粉煤灰混凝土7天抗压强度的神经网络预测
• 5.2.2 粉煤灰混凝土28天抗压强度的神经网络预测
• 5.2.3 粉煤灰混凝土7天抗折强度的神经网络预测
• 5.2.4 粉煤灰混凝土28天抗折强度的神经网络预测
• 5.3 神经网络与回归方程两种预测方法的比较
• 5.4 小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 攻读硕士期间公开发表的论文
• 致谢