再生骨料特征参数对混凝土强度的影响

秦拥军，渠长伟，罗 玲，田盼盼，陈洁静

(新疆大学建筑工程学院，乌鲁木齐 830017)

0 引 言

随着我国城市化建设步伐的加快，新老建筑不断更新换代,产生了大量的废旧混凝土。目前，大多采用堆放填埋的方式处理建筑垃圾，不仅占用大量土地资源，也会间接造成土壤、大气环境的污染。此外，过度消耗天然砂石资源造成的资源短缺也成为日益严重的世界性问题[1]。2014年，根据《中国资源综合利用年度报告》[2]的数据显示，发达国家的建筑垃圾有效转化利用率可达60%，而我国建筑垃圾的有效转化利用率仅为5%。相关数据显示，我国2021年建筑业产生的建筑垃圾固体废弃物总量高达20亿t。数量如此庞大的建筑垃圾如何转变为再生资源，降低资源及能源的消耗，成为目前建筑业学者亟待研究的重要课题之一[3-6]。

再生骨料(recycled coarse aggregate, RCA)是一种绿色可再生建材，通过破碎、筛分等方法从混凝土废料中提取出来，再经过清洗、二次破碎、化学去浆等工艺处理后制备成的可用于建筑再生产的骨料。由于RCA仍保留一定的砂浆粘结，物理破碎时也会造成骨料内部的损伤[7]，这将严重影响材料在使用中的性能与寿命。目前针对RCA的研究侧重于优化骨料性能，加入矿物掺合料或纤维等方式提高再生混凝土性能，也有学者[8]对RCA可使用的循环次数做了相应探讨，但对于RCA形态特征及参数的研究却相对较少。现有的骨料特征分析多采用扫描或拍摄方法提取特征参数[9-11]，但这种分析方法与实际骨料特征存在较大差异。随着无损检测技术的发展，可以通过CT扫描[12]、三维点云[13]等技术将基体内部的孔洞、凝胶体转换成扫描图片，并建立三维可视化模型[14]。此外，混凝土的细观结构与强度关系密切，影响混凝土强度的因素多而复杂，借助灰色关联分析可以建立因素与目标要求之间的影响关系，对于信息不完全性和非唯一性数据较为适用[15]。采用灰色关联分析可以建立配合比设计因素[16]、耐久性影响因素[17-18]与混凝土性能的关系，但目前少有报道细观结构参数对强度性能影响的分析结果。

因此，本文基于CT扫描图像提取骨料特征参数，并采用灰色关联分析方法研究骨料特征参数与混凝土强度的关系，为RCA的细微观研究提供了关键的参数支持。

1 实 验

1.1 原材料

水泥采用新疆乌鲁木齐天山水泥厂生产的天山牌P·O 42.5级普通硅酸盐水泥，掺合料采用乌鲁木齐当地锂盐厂提供的锂渣(lithium slag, LS)，均经过烘干研磨后制备试验样品，水泥与锂渣的主要化学成分见表1。细骨料选用新疆地区水洗粗砂，级配良好，细度模数为3.5。粗骨料选用粒径为5～30 mm的连续级配的天然卵石(natural coarse aggregate, NCA)及本地废旧混凝土经破碎、筛分后选出的RCA,粗骨料级配、颗粒形貌及详细参数分别如图1、图2及表2所示。拌合水为乌鲁木齐市自来水。

表1 水泥和锂渣的化学成分Table 1 Chemical composition of cement and LS

图1 粗骨料级配曲线Fig.1 Gradation curves of coarse aggregate

图2 粗骨料颗粒形貌Fig.2 Particle morphology of coarse aggregate

表2 粗骨料性能参数Table 2 Performance parameters of coarse aggregate

1.2 样品制备

根据本团队前期研究成果[19-21]，选取四个不同的RCA替代率(0%，30%，50%，70%，质量分数，下同)，锂渣掺量为20%(质量分数，下同)，水胶比为0.45，制备C30掺锂渣再生混凝土。由于RCA的吸水率较高，试验中加入附加用水量以保持恒定的水胶比，具体配合比见表3。按设计好的配合比称取水泥、锂渣及天然粗细骨料，先倒入单轴强制式搅拌机中搅拌均匀，随后加入RCA和水搅拌3 min后立即倒入尺寸为150 mm×150 mm×150 mm的立方体模具成型，按照《混凝土物理力学性能试验方法标准》(GB/T 50081—2019)规定的程序脱模并移入标准养护室(温度为(20±2) ℃，相对湿度≥95%)，养护至28 d龄期后进行抗压强度试验及CT扫描测试。

表3 各试验组配合比Table 3 Mixing ratio of each test group

1.3 分析和测试

采用上海泰琛检测公司的Y.CT COMPACT设备对试件进行扫描，获得包含骨料、孔洞、凝胶体的CT扫描图像，随后使用MATLAB函数对原始图像进行感兴趣区域(region of interest, ROI)处理，经过图像增强、中值滤波去噪和灰度处理，提取出骨料特征参数的二值化图像。将图像导入Image Proplus软件中进行特征参数的识别与提取，操作流程如图3所示。

图3 CT扫描与数字图像处理方法流程Fig.3 Flow path of CT scanning and digital image processing

由于骨料形态的复杂与无序化，学者们对骨料形状的表征尚未有统一的评估标准[22]。参考已有的研究基础，选取形状系数(shape facter, SF)、棱角度(angularity, AN)、棱角与表面纹理(angularity and surface texture, AT)指数及三维球体度(sphericity, SP)来表征RCA的形态特征:SF引入等效椭圆来描述骨料形态，其值越大则表示颗粒的形态越趋于细长或扁平状；AN利用图形周长来衡量骨料表面凹凸情况；AT指数则在AN的基础上综合棱角与表面纹理特征，以骨料凸轮廓作为参考对象，放大形状对参数的影响；SP则可以更好地模拟骨料的真实状态。表4给出了不同骨料特征参数的计算方法及示意图，图4为骨料特征参数的三维示意图。最后，借助灰色关联分析理论，探究各骨料特征参数与混凝土强度之间的关联程度，这对理解RCA对强度的削弱影响，控制RCA生产质量并提高RCA的使用效率具有较高的实践意义。

表4 不同骨料特征参数的计算方法和示意图Table 4 Calculation method and schematic diagram of different aggregate characteristics parameters

图4 骨料特征参数的三维示意图Fig.4 3D schematic diagram of aggregate characteristic parameters

2 结果与讨论

2.1 二维特征参数

获取CT扫描图像之后，提取三个二维参数，图5展示了各试验组提取的骨料特征数据。整体而言，本文选用的5～30 mm骨料级配相对均衡，RCA经筛分之后可以很好地满足骨料级配的需求。对于SF和AN而言，最大值与平均值均随着RCA替代率升高而变大，这两类数值越接近1时，骨料形状越接近标准椭圆，轮廓平整光滑，这表明混合骨料的形态随着替代率提高向着细长形的颗粒形态发展。SF与AT指数的方差并没有呈明显的正比趋势，随着RCA替代率的提高，两个参数在30%的替代率下出现了特殊的极值点，这说明NCA与RCA在不同比例混合下出现了一个特殊混合关系，在此比例下两种骨料形态相互补充，恰好使混合骨料的整体颗粒形态接近。由图5可以看出，R30组SF方差最低，混合骨料的颗粒形态接近，而AT指数的方差出现极大值，说明RCA由于旧砂浆的包裹或破碎出现内部损伤，骨料颗粒形态中出现了凹面，AT指数刚好放大了这种微小变化的影响，这一现象可能与破碎工艺有关[25]。

图5 SF、AN和AT指数的统计数据Fig.5 Statistical data of SF, AN and AT index

图6为各试验组SF与AN的堆积柱状图。从图6的SF分布频率来看，各组骨料的SF多分布在1.5～2.0之间，此区间的骨料颗粒具有类椭圆形的特点，而SF大于3.0的骨料通常会被定义为针片状骨料，形状趋于细长和扁平状。随着RCA用量的增大，SF大于2.0的骨料颗粒占比明显增加，R50和R70的骨料颗粒形状将明显偏离圆形而趋于针片状骨料，这种类型的骨料对混凝土强度不利[26]。相比于SF，AN的分布则更为集中，骨料的AN多分布在1.0～1.2之间，此区间占比超过了骨料总颗粒的50%，而AN大于1.4的不规则骨料颗粒占比非常小，AN在0～1.4之间的骨料颗粒几乎占骨料总颗粒的90%。如果将AN为1.2作为一个明显的区分界限，R0～R70组AN大于1.2的占比分别为21.6%、22.7%、23.3%与25.3%，整体变化幅度较低，与其平均值、最大值随RCA替代率的发展趋势基本一致。

图6 SF与AN的堆积柱状图Fig.6 Stacking histogram of SF and AN

图7显示了各试验组AT指数的分布，四组数据分布趋势相似，图中出现了两个明显峰值，一个在0.03处，一个在大于0.10的范围，两个峰值之间的分布频率随着RCA替代率提高呈递减趋势。与Zhang等[24]的结论一致，AT指数的分布和正态分布类似，但仅限于相同尺寸下比较，在混凝土骨料的级配曲线影响下，AT指数的峰值可能会产生偏移。在松散条件下，角状和表面粗糙的骨料通常比圆形和表面光滑的骨料具有更大的孔隙含量[24]。AT指数较大时，骨料表面可能存在较多的凹面纹理，拌和时易产生气泡，不利于浆体充分包裹骨料，且浆体与骨料的有效粘结面积减小，容易导致混凝土性能降低。为了便于分析，将0.05作为临界值进行划分，在大于0.05的分级中，R30、R50、R70比R0组分别提高了21.87%、12.11%与2.73%，这从侧面反映了图5方差异常的原因。

图7 AT指数分布直方图Fig.7 Distribution histogram of AT index

2.2 三维特征参数

SF、AN、AT指数都是基于图像处理技术获得的骨料特征参数，基于扫描图像在Avizo软件中对骨料进行三维建模后，可以直观地观察骨料形态(见图8)，并提取出骨料的SP参数。

图8 骨料三维形态模型Fig.8 3D morphological model of aggregate

按照标准图形SP值对骨料进行分级，为了便于查看，对相对集中的分级(0.8～1.0)进行了更细致的区分，如图9所示。可以看出：大部分骨料的整体颗粒形态都趋向于不规则多面体，但在0～0.73的区间分级中RCA替代率高的试验组占比明显较大，且RCA替代率越高，分布直方图的峰值更趋向于较低的SP区域；在0.89～1.0的分级中，R0组拥有最高占比，且SP值随着RCA的掺入量增加趋于降低，可以认为NCA比RCA在其三维形态上更接近标准球体。通过CT扫描图像进行三维骨料模型重建的骨料分析方法是有效可行的，后续的研究可以在基于随机理论的建模中加入骨料的针片状参数、级配比例等因素，通过更深入的可视化模型理解骨料特征参数对混凝土性能的影响。

图9 SP度分布直方图Fig.9 Distribution histogram of SP

2.3 骨料特征参数与抗压强度的灰色关联度

图10显示了各组抗压强度数据，发现30%替代率下抗压强度并没有太大损失，这是由于配合比中加入了20%的锂渣替代水泥熟料，锂渣中SiO2与Al2O3含量较高，其本身具有一定活性，作为矿物掺合料会对水泥水化产生积极效果，从而填补孔隙，增加密实度。而后由于RCA替代率不断增高，RCA自身的骨料缺陷开始暴露，对力学性能产生负面影响，且同一组试件的数据离散性变大，这可能由于骨料表面残留的砂浆不同，在R50组出现了较明显的性能差异。虽然RCA的使用伴随着一定的性能损失，但四组试件的抗压强度差异并不大，仍然满足C30混凝土的抗压强度要求，表明不同的RCA替代率在合理的配合比设计下依然可以满足实际工程需求。

图10 各试验组的抗压强度Fig.10 Compressive strength of each test group

不同骨料特征参数与抗压强度的灰色关联度值如表5所示，选择抗压强度作为参考序列，将12个评价参数进行无量纲化处理，关联系数ρ取0.5，得出最后的灰色关联度并给出排序。SP的最大值表现出了明显的关联性，其次为SP的平均值，两者的灰色关联度均大于0.9。关联度最大的为SP最大值，达0.942，最低的数据为SP方差，仅为0.463，SP在分布上集中于0.92～0.96范围内，且随着RCA替代率的提高呈显著降低的趋势，可见RCA的颗粒形态发生较大波动，开始出现针片状与扁平状骨料，因此方差出现明显变化，而最大值与平均值相对稳定。AN的方差值和SF的平均值也表现出较高的关联度，分别为0.884和0.871。由于混凝土的破坏失效一般是发生在骨料与砂浆之间的界面过渡区，AN越高的骨料，啮合作用增强，骨料与砂浆之间的摩擦阻力加大，混凝土受外荷载作用时可以很好地传递外力，从而使基体的力学性能提高。

表5 不同骨料特征参数与抗压强度的灰色关联度值Table 5 Grey correlation degree between different aggregate characteristics parameters and compressive strength

3 结 论

采用CT扫描获取了四组不同RCA替代率下的掺锂渣再生混凝土的骨料特征图像，通过MATLAB函数进行图像感兴趣区域提取，放大并优化骨料图像，最后在Image Proplus软件中获得骨料特征参数。本文分析了SF、AN、AT指数及SP的分布规律及特点，并采取灰色关联分析方法建立骨料特征参数与抗压强度的联系，主要结论如下：

(1)与NCA相比，RCA具有更复杂的表面结构，趋于细长或扁平状，且RCA的针片状比例、AN、骨料表面的粗糙程度相对较高。

(2)四个骨料特征参数均与力学性能有一定的关联性，其中SP的关联度最大，达0.942，AN与SF的关联度分别达到了0.884和0.871。

(3)通过CT扫描图像进行三维骨料模型重建的骨料分析方法是有效可行的，在基于随机理论的建模中加入骨料SF、AN、SP等因素可以获得与真实骨料较为接近的三维模型。