冻融环境下混凝土碳化深度预测模型

从寒冷地区混凝土碳化机理出发,分析了冻融循环对混凝土碳化的影响。以Papadakis碳化模型为基础,采用数值分析的方法,模拟冻融环境下混凝土碳化全过程,给出混凝土碳化区pH值的变化规律。在此基础上,建立了混凝土碳化深度预测模型。经验证,模型计算值与工程检测结果吻合较好。模型的提出为科学预测冻融环境下钢筋初始锈蚀时间奠定了基础。     

钢筋混凝土碳化可靠度评估方法研究

介绍了钢筋混凝土结构的混凝土碳化机理及碳化深度模型,建立了以分析时间为起点的混凝土碳化可靠度分析及剩余碳化寿命预测模型,并研究了其近似计算方法。以实际工程为案例,对其碳化可靠度及剩余碳化寿命进行预测,为该结构的维修加固决策提供了建议。     

预测混凝土碳化深度的随机模型

从碳化理论模型出发,利用大量工程实测结果和气象调查资料,建立了以混凝土立方体抗压强度标准值为主要参数,考虑环境影响(环境温湿度)和CO2浓度影响的平均碳化深度预测模型,进一步考虑碳化过程的随机性,提出了预测混凝土碳化深度的随机模型。最后,用工程实测数据对模型进行了验证分析。     

混凝土碳化机理及预测模型分析

本文从离子迁移的角度详细地分析了混凝土的碳化机理。并论述了氯离子和碳化同时存在时混凝土加速腐蚀的现象。然后,回顾了国内外现有的碳化深度预测模型,并分别指出其优缺点。最后,结合本人在试验基础上得到的混凝土碳化深度预洲模型,通过一个实际工程对各种模型进行了对比分析。发现对于同一工程用不同的预测模型计算,得到的数据差别很大,现有预测模型不具有普遍性。     

水闸混凝土碳化深度预测研究

在水闸工程病害中,混凝土碳化最为典型,混凝土碳化是造成混凝土裂缝、钢筋锈蚀的最直接因素,因此,对混凝土碳化深度预测研究尤为重要。采用遗传算法优化神经网络,选取混凝土碳化深度的主要影响因素,建立混凝土碳化深度预测模型,并基于VS平台,开发水闸混凝土碳化深度预测系统。收集了盐城市25组水闸数据样本进行预测分析研究,结果表明,采用遗传算法优化BP神经网络模型进行水闸混凝土碳化深度预测是可行的,能够快速、准确识别混凝土碳化深度,为水闸除险加固提供技术支持。     

应用RBF神经网络的预应力混凝土碳化深度预测研究

在现有混凝土碳化研究成果基础上,建立了预应力混凝土碳化预测模型。随后,运用径向基函数神经网络的基本原理,通过对影响预应力混凝土碳化深度因素的分析,建立了预测碳化深度的RBF和GRNN网络模型。通过实例进行了分析计算和预测,预测结果具有较高的精度。可以说,人工神经网络预测方法是一种可同时考虑各种影响因素组合、行之有效的混凝土碳化预测分析方法。     

不同显色试剂测量混凝土碳化深度的研究

目前的国家规范中,用酚酞试剂测量混凝土的碳化深度,但是这种方法不能很好地表征出混凝土的部分碳化区。另外,已有的用于预测混凝土碳化深度的碳化模型正处于不断发展和完善中。鉴于上述背景,本研究中用显色p H值不同的百里酚酞试剂、p H试剂、酚酞试剂分别测量混凝土3、7、14、28、56 d五个碳化龄期的碳化深度。研究发现:不同显色p H值的试剂测得的碳化深度存在较大差异,显色p H值越高的试剂,用其测得的碳化深度值越大;从保护钢筋角度,酚酞试剂作为常用检测试剂来测量混凝土碳化深度结果偏小;碳化的混凝土存在部分碳化区,利用不同试剂测量的碳化深度相减,可以近似地得到混凝土部分碳化区的大小;三种试剂测得的碳化深度值与碳化龄期的平方根成正比关系,与混凝土碳化深度预测模型D_c=Kt~(1/2)基本一致,但预测模型的K值不同。     

再生混凝土抗碳化性能试验研究及理论分析

通过快速碳化试验,以再生骨料掺量、水灰比、水泥用量、原始混凝土强度和矿物掺合料为影响因素,对再生混凝土的碳化性能进行研究。试验结果表明:再生混凝土的碳化深度随水灰比、再生骨料掺量的增加而减小,随原始混凝土强度的增大和水泥用量的增加而增大,适量添加矿物掺和料能降低再生混凝土的碳化深度,提升其抗碳化性能。在已有的普通混凝土碳化模型研究基础上,结合本试验和中国其他学者的试验数据,建立了再生混凝土碳化深度预测模型,模型预测结果与试验值吻合较好。     

混凝土碳化深度的灰色预测

混凝土碳化是导致钢筋混凝土结构耐久性损伤的主要原因之一。为了预测混凝土碳化深度,本文建议采用一种基于灰色系统理论的预测模型,该模型可以根据已知的混凝土碳化序列,较精确地预测未来时刻的碳化深度。文章最后以实例说明了该模型的应用。     

高性能混凝土碳化试验及人工神经网络碳化深度预测模型

为准确预测混凝土的碳化深度,开展了不同水灰比、粉煤灰掺量、矿渣掺量混凝土的制备与碳化深度测试,进行了数据采集。根据数据及BP算法,建立了3-7-1型三层BP网络,包含三因子网络输入量(水灰比、粉煤灰掺量、矿渣掺量)及单因子网络输出(碳化深度),提出了基于人工神经网络的混凝土碳化深度预测模型。采用最小二乘法建立了线性及伪线性两种预测模型与人工神经网络预测模型进行对比。结果显示：基于BP神经网络建立的混凝土碳化深度预测模型,相比较于常用的最小二乘法线性、伪线性模型更适用于多因素影响条件下的混凝土碳化深度预测,误差仅为线性模型的63.6%,伪线性模型的61.9%,采用BP神经网络能达到理想的预测结果。     

基于碳化的既有钢筋混凝土桥梁耐久性的概率分析

分析讨论了混凝土碳化机理及其影响因素，并探讨了混凝土碳化深度的预测数学模型，基于既有钢筋混凝土桥梁的实测数据。对碳化系数和混凝土强度进行回归分析，建立了根据混凝土强度预测碳化深度的数学模型。将混凝土强度，保护层厚度。计算模式不确定性系数作为随机变量，以混凝土的碳化深度作为一个随时问变化的随机过程，建立了混凝土碳化到钢筋表面的时变概率随机模型．并以一座实际桥梁为例。给出了在不同使用年限时混凝土碳化到钢筋表面的预测值。结果表明，该模型可用于大气环境下基于碳化的钢筋混凝土桥梁结构耐久性评估。     

Service life prediction of fly ash concrete using an artificial neural network

Carbonation is one of the most aggressive phenomena affecting reinforced concrete structures and causing their degradation over time. Once reinforcement is altered by carbonation, the structure will no longer fulfill service requirements. For this purpose, the present work estimates the lifetime of fly ash concrete by developing a carbonation depth prediction model that uses an artificial neural network technique. A collection of 300 data points was made from experimental results available in the published literature. Backpropagation training of a three-layer perceptron was selected for the calculation of weights and biases of the network to reach the desired performance. Six parameters affecting carbonation were used as input neurons: binder content, fly ash substitution rate, water/binder ratio, CO₂ concentration, relative humidity, and concrete age. Moreover, experimental validation carried out for the developed model shows that the artificial neural network has strong potential as a feasible tool to accurately predict the carbonation depth of fly ash concrete. Finally, a mathematical formula is proposed that can be used to successfully estimate the service life of fly ash concrete.     

应力作用下混凝土碳化深度预测模型

研究了应力对混凝土气渗系数和CO2扩散系数的影响,建立了气渗系数与CO2扩散系数的相关性.以Fick第一定律推导的碳化深度模型为基础,建立了基于气渗系数的应力作用下混凝土碳化深度预测模型--CDep-GPL模型,并对模型进行了验证.结果表明:混凝土碳化深度的模型预测值与试验值吻合较好,该模型可用于预测应力作用下混凝土的碳化深度.     

基于BP神经网络的既有建筑混凝土强度预测

在分析检测数据的基础上,提取了结构服役时间、结构建造时间、结构检测时间、混凝土设计强度和混凝土碳化深度等特征参数,建立了预测既有建筑混凝土强度退化的人工神经网络模型。采用动量法和自适应调整法改进了BP算法;采用训练好的BP神经网络对既有混凝土强度最小值和混凝土强度最大值进行了预测,并与实测值进行了对比。结果表明:利用BP神经网络对既有建筑混凝土强度退化进行预测是可行的,该研究成果可为既有建筑大面积的抗震性能普查提供参考。     

Modelling of carbonation of PC and blended cement concrete

Presented herein is a numerical model to predict the carbonation depth of Portland cement (PC) and blended cement concrete under a wide range of environmental conditions. The improved model for hydration of PC and activity of blended cement is proposed and used in this carbonation model. This carbonation model can be used for concrete made of silica fume, fly ash and slag with various chemical composition and particle size distribution. The saturation degree of concrete during carbonation process and the preconditioning before accelerated carbonation test were also considered to improve the ability of the model to predict the carbonation depth of concrete under natural condition or an accelerated condition. The predicted results are in good agreement with the experimental results.     

沈海高速公路辽宁段沿线桥梁混凝土碳化概率特征研究

对沈海(沈阳—海口)高速公路辽宁段沿线混凝土桥梁的碳化实测数据进行了统计分析,建立了以混凝土抗压强度和时间为主要参数的不同地区桥梁和单个桥梁混凝土碳化深度的随机过程模型。将混凝土碳化到钢筋表面的状态作为大气环境中的耐久性极限状态,分析了沿线上海湾大桥不同服役时间的耐久性失效概率。结果表明:混凝土碳化深度随混凝土抗压强度的增大而减小,但受多种复杂因素影响,混凝土碳化深度离散性很大;混凝土碳化系数计算模型的不确定性系数服从对数正态分布;海湾大桥混凝土使用到第100年时的耐久性失效概率小于10%。     

干旱地区桥梁保护层混凝土的耐久性研究

针对我国西北地区气候特点,讨论了干旱地区保护层混凝土的碳化特征,并结合现场实测数据分析了桥梁保护层混凝土的碳化规律,基于混凝土强度和碳化深度的测试值提出了保护层混凝土碳化寿命预测公式。在回归分析和实验室加速碳化试验的基础上,给出了干旱地区桥梁混凝土强度和保护层厚度的合理取值。     

钢筋混凝土铁路桥梁碳化寿命预测

在对混凝土碳化的主要影响因素分析的基础上，建立了预测桥梁保护层混凝土碳化深度的随机模型和碳化寿命准则。结合长龄期铁路桥梁的检测结果，提出了北方地区桥梁混凝土的设计强度和保护层厚度的最低要求。     

粉煤灰混凝土的研究现状及试验研究前景探讨

通过分析国内外粉煤灰混凝土抗碳化性能的研究现状及发展趋势,指出目前混凝土碳化深度主要采用快速碳化试验的方法,总结了该方法的优缺点,并将大掺量粉煤灰混凝土置于自然环境中,全面考虑自然环境变化因素,分析碳化结果得出碳化深度计算式,可以更准确的预测混凝土碳化深度,进而提高建筑物的耐久性。     

碳化概率模型及混凝土结构碳化失效概率分析

混凝土碳化分析是评估混凝土结构长期性能的重要内容。该文分析总结了现有混凝土碳化理论和经验模型。在现有确定性模型基础上,通过添加模型修正项的方法修正确定性模型的误差,建立混凝土碳化概率模型。概率模型中模型参数的后验统计分布特征利用已有检测数据通过贝叶斯更新手段获得。基于建立的碳化概率模型,构建混凝土结构碳化时变失效概率的分析方法,该方法充分考虑模型不确定性对混凝土结构碳化时变失效概率的影响。运用该方法对一钢筋混凝土简支板的碳化性能进行了分析评估。