机制砂混凝土早期开裂及抗水渗透性能影响因素研究

以研究机制砂混凝土耐久性能为基本出发点,进行机制砂混凝土早期开裂及抗水渗透性影响因素试验研究.将机制砂种类、石粉含量、矿物掺合量设为研究变量,通过控制单一变量研究变量变化对机制砂混凝土早期开裂、抗水渗透性能影响程度.试验研究表明:在机制砂混凝土中增大砂类的掺加量,混凝土的抗裂性能显著提高,天然砂混凝土的抗水渗透性强于机...     

矿物掺和料对再生混凝土性能影响研究

采用建筑物拆后经破碎处理的再生骨料,部分取代粗骨料制备了再生混凝土,探讨了粉煤灰、矿粉对再生混凝土抗压强度和抗氯离子渗透性能的影响。结果表明,粉煤灰可以改善再生混凝土的强度和渗透性;在矿粉掺量小于20%时,可以提高再生混凝土的抗压强度并改善其抗氯离子渗透性,但超过20%后,随矿粉掺量增多,再生混凝土抗压强度降低且抗氯离子渗透性变差;在相同掺量条件下,粉煤灰和矿粉复掺入再生混凝土时,其抗氯离子渗透性能比单掺时更好,且抗压强度也有所提高。     

粉煤灰对混凝土抗氯离子渗透性的影响分析

探讨了粉煤灰对混凝土抗冻融耐久性及氯离子渗透性的影响。在所得试验数据的基础上,根据粉煤灰特性及混凝土耐久性的机理分析了这些变化情况,从而初步确定出了粉煤灰对混凝土抗冻融耐久性及氯离子渗透性的影响情况。     

准确检测桥梁混凝土抗渗性能的思考

桥梁混凝土抗渗性检测是对其密实度和配合比是否合理的重要手段。渗透性反应的是混凝土自身存在的孔隙度大小,渗透性差将直接影响混凝土质量和使用寿命。桥梁混凝土渗透性能检测的原理,是利用水压对试样进行测试,直至其表面出现渗水。并对试验的压力和时间进行记录和分析,以此确定桥梁混凝土的抗渗性能。     

高掺量粉煤灰对混凝土的耐久性作用研究

高掺量粉煤灰混凝土作为一种新型材料,具有自身独特的优越性。通过对高掺量粉煤灰混凝土的抗侵蚀性能、抗冻性、抗气渗透性与抗水渗透性、抗硫酸盐性这些耐久性能进行研究,并与普通混凝土进行对比分析,研究结果表明高掺量粉煤灰可以显著改善混凝土的耐久性能。     

碳纤维增强混凝土的耐久性研究

对碳纤维增强混凝土的抗渗透性与抗酸侵蚀性进行了实验性研究。水胶比为0.40,碳纤维的掺量分别为0.2、0.5和1.0 vol.%。试验测试结果表明,碳纤维的掺入能够有效的提高混凝土的抗渗透性和抗酸侵蚀性。碳纤维在混凝土基体中起到桥联的作用,保证了负载转移能力。     

季冻区采用纤维混凝土抑制路面裂缝的研究

寒冷地区在混凝土的拌和料中掺进一定数量的聚丙烯短纤维,可以有效抑制混凝土早期出现的裂缝,还可明显地降低混凝土的渗透性,从而显著提高混凝土的耐久性。     

矿粉掺量对碎卵石混凝土性能的影响

通过试验测定四种水胶比下,不同矿粉掺量对碎卵石混凝土的强度、抗氯离子渗透性、抗冻性的影响.结果表明,随着水胶比的增大,掺加矿粉的碎卵石混凝土强度、抗氯离子渗透性及抗冻性均减弱.随着矿粉掺量的增加,碎卵石混凝土的7d强度不断降低,28d,56d和120d强度变化存在波动,20%为最佳矿粉掺量;抗氯离子渗透性得到明显改善;抗冻性有所降低,矿粉掺量越大,降低相对越快.     

粉煤灰掺量对混凝土力学性能和耐久性能的影响研究

通过开展抗压强度、吸水率、抗氯离子渗透性、干缩试验,研究了胶凝材料中粉煤灰含量(10wt%~40wt%)对混凝土力学性能、体积稳定性和耐久性关键参数的影响。结果表明:粉煤灰取代水泥降低了混凝土的早期强度但对后期强度具有一定的提高作用。粉煤灰的加入减小了混凝土的干缩,且掺量较高时对混凝土干缩的抑制效果更显著。粉煤灰能够一定程度上增强混凝土的密实度,降低混凝土的吸水率,增强其抗氯离子渗透性,对耐久性具有增强作用。     

固体废弃物在混凝土中的应用研究

以破碎的废混凝土作为替代粗骨料,冶炼渣作为替代细骨料,通过试验研究了粗骨料和细骨料在不同替代率的情况下混凝土的性能以及掺合料对混凝土性能的影响.研究表明:随着替代粗骨料替代率的增加混凝土的抗压强度、抗氯离子渗透性能也随之有少量的降低,适当掺量的冶炼渣替代细骨料可以提高混凝土的抗压强度和抗氯离子渗透性,但掺量过大反而使混凝土的抗压强度和抗氯离子渗透性降低.掺合料的加入会提高混凝土的抗压强度、降低氯离子扩散系数,对混凝土的耐久性有明显的改善.     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。     

�����˹�������ļ�ʻ��Ϊ��̬����ѧϰ�㷨

针对传统驾驶决策模型难以体现驾驶员驾驶过程中对交通环境的感知、判断、决策、动作等环节存在不确定性和不一致性,提出了一种基于神经网络的驾驶行为动态集成学习算法——DNNIA.首先训练多个个体网络模拟驾驶行为,然后动态选择泛化误差E最小的个体网络进行集成,采用拉格朗日函数法求解最优集成权系数ωi,并引入agent联盟的思想,把联盟中的个体网络对应的神经元输出做加权平均后,取最大值作为输出.在标准数据集上验证了该算法的有效性,仿真实验中得到的驾驶员踩踏踏板的习惯行为仿真结果与实际采集的样本数据总体趋势基本吻合.     

基于BP神经网络的沙漠公路交通事故预测模型

介绍人工神经网络理论,论述BP神经网络的模型结构与原理,利用BP神经网络构建了交通事故预测模型,用MATLAB语言编写了相应的程序,并给出了模拟与预测的结果。模拟结果表明,构建的BP神经网络预测模型是成功的、有效的。     

砼强度的BP网络模型

通过分析影响砼强度的因素,建立了一个3层的BP网络模型,在对样本进行分类和标准化处理后,进行了BP网络的训练和仿真,其结果表明:应用所得到的BP网络对于砼强度的预测值计算相对于实测值具有满足工程要求的精度.     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.     

基于BP神经网络的某型发动机万有特性实验数据拟合

介绍了BP神经网络的基本原理,借助Matlab软件的BP神经网络工具箱函数,通过建立相应的BP网络模型,对某型发动机的万有特性实验数据进行拟合,并将拟合结果与实测值进行比较。研究表明,采用BP神经网络拟合发动机万有特性数据,能取得较高的精度。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．