绿色高性能混凝土配合比设计与性能预测

发布时间：2017-08-02 05:18

  本文关键词：绿色高性能混凝土配合比设计与性能预测

  更多相关文章： 绿色高性能混凝土 配合比设计 直接搜索算法 神经网络 性能预测

【摘要】：目前世界各国纷纷倡导“绿色、低碳、环保”,但是随着我国城市化进程的不断加快,大量混凝土结构的基础设施仍然是经济发展不可或缺的部分。为了解决经济发展、环境污染、资源紧缺、能源浪费的突出问题,作为混凝土发展方向的绿色高性能混凝土,可以有效缓解上述难题。尽管高性能混凝土已经在许多大型工程中使用,但与环境保护、生态保护和可持续发展联系起来的绿色高性能混凝土,还需要进一步研究。绿色高性能混凝土配合比的研究重点是将混凝土的原材料与性能完美结合的基础上,既要同时满足工作性、功能性和耐久性要求又要做到经济合理、节约成本,因此配合比设计成为了一项复杂的系统工程。针对上述问题,本文进行了如下研究:(1)研究了绿色高性能混凝土原材料的质量以及相关参数与混凝土性能的关系,为混凝土配合比设计提供了理论基础;(2)在掌握原材料与混凝土性能的规律的基础上,以绿色高性能混凝土的定义为参考,确定了高性能混凝土配合比设计的基本原则;(3)利用直接搜索算法解决非线性规划问题能力强的优点,以工程实际配合比为计算背景,混凝土造价为目标函数,原材料用量和配合比参数为约束条件,进行了配合比优化设计。设计结果表明,在保证基本性能不变的情况下,工程实际配合比有很大的优化空间。(4)充分发挥BP神经网络处理非线性问题能力强、收敛速度快、预测精度高的优点,以既有混凝土配合比和性能参数为训练样本,对混凝土强度、电通量和坍落度进行预测,并以实验室试配混凝土性能数据作为验证,结果表明,该配合比下的混凝土不仅满足功能性、工作性以及耐久性要求,而且大幅节约原材料成本,可以满足绿色高性能混凝土的性能要求。
【关键词】：绿色高性能混凝土 配合比设计 直接搜索算法 神经网络 性能预测
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TU528
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-16
• 1.1 研究背景及意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 国内外研究发展现状11-13
• 1.2.1 国内绿色（高性能）混凝土研究现状11-13
• 1.2.2 国外绿色高性能混凝土研究发展现状13
• 1.3 研究内容及技术路线13-16
• 1.3.1 研究内容13-14
• 1.3.2 技术路线14-16
• 2 配合比优化设计及性能预测原理16-25
• 2.1 绿色高性能混凝土基本性能16-18
• 2.1.1 工作性16
• 2.1.2 高强度16-17
• 2.1.3 高耐久性17-18
• 2.1.4 绿色性18
• 2.2 绿色高性能混凝土配合比设计原则18-19
• 2.2.1 工作性18
• 2.2.2 强度和耐久性18-19
• 2.2.3 经济性19
• 2.3 混凝土配合比优化设计方法19-21
• 2.3.1 配合比设计的主要方法研究19-20
• 2.3.2 直接搜索算法20-21
• 2.4 混凝土性能预测的方法21-24
• 2.4.1 混凝土性能预测方法研究21
• 2.4.2 人工神经网络基本原理21-24
• 2.5 本章小结24-25
• 3 混凝土配合比优化设计25-56
• 3.1 原材料的技术要求25-32
• 3.1.1 水泥25-26
• 3.1.2 矿物掺合料26-27
• 3.1.3 骨料27-30
• 3.1.4 外加剂30-31
• 3.1.5 水31-32
• 3.2 选用的原材料32-38
• 3.3 配合比参数与混凝土性能的关系38-40
• 3.3.1 水胶比与强度的关系38-39
• 3.3.2 水胶比与电通量的关系39
• 3.3.3 矿掺比对混凝土性能的影响39
• 3.3.4 胶凝材料总量对混凝土性能的影响39-40
• 3.3.5 砂率对混凝土工作性的影响40
• 3.4 混凝土配合比优化设计40-55
• 3.4.1 C30混凝土配合比优化设计42-48
• 3.4.2 C35混凝土配合比设计48-51
• 3.4.3 C40混凝土配合比优化设计51-53
• 3.4.4 C50混凝土配合比优化设计53-55
• 3.5 本章小结55-56
• 4 混凝土性能预测56-73
• 4.1 BP神经网络预测模型构建56-66
• 4.2 混凝土性能预测66-72
• 4.2.1 28d强度预测66-69
• 4.2.2 56d强度预测69
• 4.2.3 56d电通量预测69-71
• 4.2.4 新拌混凝土坍落度预测71-72
• 4.3 本章小结72-73
• 5 结论与展望73-74
• 5.1 研究结论73
• 5.2 展望73-74
• 致谢74-75
• 参考文献75-79
• 攻读学位期间的研究成果79

【共引文献】

中国期刊全文数据库 前10条

1 Timo Pukkala;Erkki L釨hde;Olavi Laiho;;Stand management optimization——the role of simplifications[J];Forest Ecosystems;2014年01期

2 冯起;尹振良;席海洋;;流域生态水文模型研究和问题[J];第四纪研究;2014年05期

3 周清春;鞠玉涛;周长省;;基于Hooke-Jeeves算法的挠性粘接件的高效内聚反演分析[J];工程力学;2015年04期

4 Timo Pukkala;;Optimizing continuous cover management of boreal forest when timber prices and tree growth are stochastic[J];Forest Ecosystems;2015年02期

5 Tianjian Cao;Kari Hyyti?inen;Henna Hurttala;Lauri Valsta;Jerome K.Vanclay;;An integrated assessment approach to optimal forest bioenergy production for young Scots pine stands[J];Forest Ecosystems;2015年03期

6 钱伟懿;刘光雷;;融合局部搜索与二次插值的粒子群优化算法[J];计算机科学;2013年09期

7 田垠;章辉;;具有瑞利平坦衰落信道的线性系统线性二次高斯控制[J];控制理论与应用;2013年11期

8 全亚民;刘大勇;邹良剑;;非线性边界和等式约束条件下的高维函数优化算法研究[J];科研信息化技术与应用;2013年05期

9 张春美;郭红戈;;混合模式搜索的分布式memetic差分进化算法[J];计算机应用;2014年05期

10 Timo Pukkala;Erkki L?hde;Olavi Laiho;;Optimizing any-aged management of mixed boreal forest under residual basal area constraints[J];Journal of Forestry Research;2014年03期

中国博士学位论文全文数据库 前10条

1 李丹;基于最小二乘支持向量机的社会代价对经济增长影响研究[D];重庆大学;2013年

2 叶准;分布式天线系统信道容量及关键问题研究[D];哈尔滨工业大学;2013年

3 郭俊;流域水文建模及预报方法研究[D];华中科技大学;2013年

4 王战平;宁夏引黄灌区水资源优化配置研究[D];宁夏大学;2014年

5 马超;基于元启发优化极限学习机的分类算法及其应用研究[D];吉林大学;2014年

6 余阳;认知无线电网络协作频谱共享策略研究[D];北京邮电大学;2014年

7 胡冬;矿热炉冷凝炉衬的数值模拟与耐火材料选择[D];北京科技大学;2015年

8 文龙;基于非参数回归的铣削加工工艺参数优化问题建模及求解方法研究[D];华中科技大学;2014年

9 赵轲;基于CFD的复杂气动优化与稳健设计方法研究[D];西北工业大学;2015年

10 邱亚松;基于数据降维技术的气动外形设计方法[D];西北工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 陈宁;解线性等式约束优化问题的过滤集模式搜索方法[D];南京师范大学;2013年

2 张亮;无导数优化中自校正几何的楔形信赖域方法[D];南京师范大学;2013年

3 孙强;一个新的非线性约束优化问题的无导数算法[D];上海大学;2013年

4 何春艳;水下目标瞬态辐射噪声分析与评价[D];哈尔滨工程大学;2013年

5 江翠;无约束优化的分式插值直接搜索法[D];南京航空航天大学;2013年

6 田垠;通信约束下线性随机系统的估计与控制研究[D];浙江大学;2014年

7 刘远;基于Copula函数的整合风险度量研究[D];湖南师范大学;2014年

8 赵媛;基于类电磁机制算法的SVM决策树多分类策略研究[D];西安电子科技大学;2014年

9 康璇;解无导数优化问题的非单调过滤集网格搜索方法[D];南京师范大学;2014年

10 何昌武;双种群混合遗传算法的研究及应用[D];广西大学;2013年

，

本文编号：607801