混杂纤维混凝土性能研究及其基于BP神经网络的强度预测

混杂纤维混凝土性能研究及其基于BP神经网络的强度预测

论文摘要

纤维增强混凝土是一种多相材料,在土木工程中的应用日益广泛,但是单一纤维对混凝土的增强、增韧作用是有限的,若在混凝土中同时掺入不同性能纤维混杂,可以充分发挥纤维性能,达到逐级阻裂与强化的作用。因此,掺混杂纤维是制备高性能水泥基复合材料的一种有效途径。本文通过正交试验,运用极差分析和方差分析等手段,研究混杂纤维混凝土的工作性、物理力学性能及耐久性能,分析了主要因素对混杂纤维混凝土性能的影响,探讨了混杂纤维混凝土的混杂效应和增强机理;采用统计学软件包SPSS对混杂纤维混凝土坍落度、扩展度、抗压强度、抗折强度、劈拉强度进行了回归分析,并运用收集的样本数据,训练BP神经网络对混杂纤维混凝土强度进行预测。研究取得以下主要结果:①先掺法有利纤维在混凝土中的分散性,可以提高混凝土的工作性;②本试验条件下,掺混杂纤维可使混凝土抗压强度提高10%-20%,提高幅度略低于钢纤维混凝土;③混杂纤维能有效提高混凝土抗拉、抗折强度,提高幅度达20%左右,混凝土韧性增强;④掺加混杂纤维有利于降低混凝土的收缩,混杂纤维混凝土与未掺加纤维的混凝土相比,抑制早期收缩达到60%,到28天后,收缩抑制作用仍然达40%50%;⑤掺加混杂纤维有利于提高混凝土抗氯离子渗透性,渗透系数大小居于聚丙烯纤维混凝土和钢纤维混凝土之间,比掺加聚丙烯纤维混凝土高85%,比掺加钢纤维混凝土低2%;⑥采用BP神经网络可预测混杂纤维混凝土的强度,所建立模型均具有95%的精度。

论文目录

  • 中文摘要
  • 英文摘要
  • 1 绪论
  • 1.1 引言
  • 1.2 纤维混凝土的发展与状况
  • 1.3 混杂纤维混凝土的研究现状
  • 1.4 本文研究目的及意义
  • 1.5 本课题研究内容及方法
  • 2 原材料及试验方案
  • 2.1 原材料
  • 2.1.1 水泥
  • 2.1.2 集料
  • 2.1.3 粉煤灰
  • 2.1.4 纤维
  • 2.2 正交试验方案
  • 2.2.1 正交试验参数与水平
  • 2.2.2 正交试验考核指标
  • 2.2.3 纤维掺加工艺试验
  • 2.2.4 正交试验配合比及试验结果
  • 2.3 本章小结
  • 3 混杂纤维混凝土正交试验结果分析
  • 3.1 正交试验结果级差分析
  • 3.1.1 坍落度极差分析
  • 3.1.2 抗压强度极差分析
  • 3.1.3 抗折强度极差分析
  • 3.1.4 劈拉强度极差分析
  • 3.2 正交试验结果方差分析
  • 3.2.1 坍落度方差分析
  • 3.2.2 抗压强度方差分析
  • 3.2.3 抗折强度方差分析
  • 3.2.4 劈拉强度方差分析
  • 3.3 扩展试验
  • 3.4 本章小结
  • 4 混杂纤维混凝土力学性能及耐久性研究
  • 4.1 混杂纤维混凝土抗压强度试验
  • 4.2 混杂纤维混凝土抗折强度试验
  • 4.3 混杂纤维混凝土劈拉强度试验
  • 4.4 混杂纤维混凝土收缩试验
  • 4.5 混杂纤维混凝土抗氯离子渗透试验
  • 4.6 混杂纤维混凝土混杂效应及增强破坏机理研究
  • 4.6.1 混杂效应
  • 4.6.2 混杂纤维混凝土增强机理分析
  • 4.6.3 混杂纤维混凝土破坏机理分析
  • 4.7 本章小结
  • 5 多元线性回归分析
  • 5.1 坍落度回归分析
  • 5.2 抗压强度回归分析
  • 5.3 抗折强度回归分析
  • 5.4 劈拉强度回归分析
  • 5.5 本章小结
  • 6 基于 BP 神经网络的混杂纤维混凝土强度预测
  • 6.1 BP 神经网络基于MATLAB 语言的实现
  • 6.2 预测模型的建立
  • 6.2.1 网络结构层数的确定
  • 6.2.2 各层神经元数目的选择
  • 6.2.3 网络传递函数的选择
  • 6.2.4 初始权值的选择
  • 6.2.5 学习速率的选取
  • 6.3 实现BP 神经网络预测的MATLAB 程序
  • 6.4 BP 神经网络的训练及仿真模拟
  • 6.5 本章小结
  • 7 结论与展望
  • 7.1 结论
  • 7.2 研究展望
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
    • [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
    • [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
    • [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
    • [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
    • [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
    • [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
    • [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
    • [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
    • [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
    • [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
    • [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
    • [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
    • [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
    • [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
    • [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
    • [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
    • [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
    • [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
    • [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
    • [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
    • [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
    • [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
    • [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
    • [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
    • [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
    • [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
    • [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
    • [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
    • [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)

    标签:;  ;  ;  ;  

    混杂纤维混凝土性能研究及其基于BP神经网络的强度预测
    下载Doc文档

    猜你喜欢