UHPC梁受剪性能试验与抗剪承载力计算方法

为研究超高性能混凝土（Ultra-high Performance Concrete，UHPC）薄腹梁受剪性能和抗剪承载力计算方法，设计制作11片模型梁开展荷载试验，试验参数包括纤维率、纤维种类、配箍率、剪跨比和混凝土强度。分析了试验梁破坏形态、裂缝开展过程和主要因素对梁体受力响应影响规律。试验结果表明：UHPC梁的受力过程分为弯曲开裂前弹性阶段、"桥联作用"失效前和"桥联作用"失效后3个阶段。UHPC梁剪切破坏具备一定延性且有明显征兆，为半延性-半脆性破坏。由于纤维"桥联作用"，UHPC梁剪切开裂后呈多条剪切裂缝同时开展现象，破坏过程伴随着纤维持续从基体里拔出的"滋滋声"。此外，配置适量箍筋可使梁体破坏模式从脆性剪切破坏向更具延性的弯曲破坏转变。基于Rankine破坏准则，推导出剪压区混凝土简化强度准则；考虑T形截面翼缘的影响，提出腹板抗剪有效宽度计算方法；通过极限平衡法，得到考虑翼缘影响的混凝土抗剪贡献计算式。基于分项叠加思想，建立考虑混凝土、箍筋和纤维抗剪贡献的UHPC梁抗剪承载力理论计算式。该公式形式简单，物理意义明确，可以考虑纤维率、剪跨比和梁体尺寸等影响因素。用试验结果对提出的计算式进行验证，得到抗剪承载力理论计算值和试验值比值均值为0.94，标准差为0.17，计算结果表明提出的计算式可以较好地预测UHPC梁的抗剪承载力。     

数据驱动的UHPC与钢筋界面黏结强度研究

超高性能混凝土(Ultra-high Performance Concrete, UHPC)与钢筋界面的良好黏结是保证结构安全和正常使用的关键，直接决定了结构设计与性能评估。然而，传统基于试验或力学推导的界面黏结性能评估方法难以反映众多因素的影响，预测精度低、方差大。近年来，基于人工智能的数据驱动技术发展迅猛，为解决上述问题提供了新思路。建立了样本容量为670的钢筋与UHPC界面黏结试验数据库，分析了特征相关性和主要因素影响规律。剔除数据缺失、数据噪声等无效数据后，得到了557组有效数据子库。基于机器学习方法训练并生成了9种黏结强度预测模型，包括4个线性模型和5个非线性模型。采用决定系数(R²)、均方根误差(RMSE)和平均绝对误差(MAE)指标开展了模型预测精度评价，对比了机器学习模型和传统模型的预测精度。结果表明：钢纤维掺量2%的试验样本占75.8%,钢筋直径16 mm的试验样本占64.6%,缺乏其他纤维掺量与钢筋直径的研究样本，尤其是低配纤、高配纤以及大直径钢筋的试验数据。5次随机抽样训练预测结果中，人工神经网络模型对试验结果预测最好，R²