SAP内养护机制砂混凝土力学性能及其BP神经网络预测

刘荣桂, 陈 浩, 崔钊玮, 陈业强, 张邵峰, 闫乾勋

(1.南通理工学院 建筑工程学院, 江苏 南通 226001; 2.江苏大学 土木工程与力学学院, 江苏 镇江 212013)

随着我国天然砂资源的日益枯竭,以及政府对天然砂开采的限制,使得土木工程的用砂矛盾日益突出.为此,越来越多的工程项目开始使用机制砂来替代天然砂.但是与天然砂相比,机制砂在生产过程中会不可避免地产生大量的石粉.研究结果[1-2]表明:石粉对机制砂混凝土的性能具有重大的影响;适量石粉可以填充水泥颗粒间微小空隙,提高界面过渡区密实度,从而提高混凝土强度;过多石粉则会加大混凝土的干燥收缩,从而导致混凝土开裂,严重影响混凝土力学性能.

高吸水性树脂(SAP)是一种内部含有多种亲水基团的有机高分子化合物,具有独特的吸水-储水-释水特性,能够预先吸收相当于自身质量几百倍甚至上千倍的水,并稳定地储存在内部.待水化反应过程中水分不足时,释放其内部预先吸收的水分,使水泥继续水化,有效地缓解因干缩开裂而导致强度下降的问题.近年来,学者们对掺SAP内养护混凝土力学性能开展了大量的研究.研究发现:少量的SAP能够有效细化混凝土内部的空隙[3];掺入0.2%粒径为50目的SAP能够明显提高混凝土的早期强度[4];SAP的掺入使混凝土水化反应更充分,有利于强度的发展[5];发现在水化反应后期,SAP对高强度混凝土的强度有明显的提升作用[6].因此,通过SAP对机制砂混凝土进行内养护,可有效解决机制砂混凝土因干缩开裂而造成的强度下降问题.

为此,笔者所在课题组依托蒲炎高速三明段工程,采用现场隧道开挖洞渣生产的机制砂,研究不同石粉掺量下SAP对机制砂混凝土力学性能的影响规律,并利用BP(back propagation)神经网络对机制砂混凝土抗压强度进行预测,为机制砂混凝土应用于实际工程提供理论依据和实践指导.

1 材料与试验方法

1.1 原材料

试验用水泥为鹤林牌P·O42.5级普通硅酸盐水泥.粗骨料采用粒径为5～20 mm的连续级配碎石.细骨料中的河砂为中砂.机制砂采用现场隧道开挖洞渣生产的级配为Ⅰ区的机制砂,其级配组成见表1.

表1 级配Ⅰ区的机制砂级配组成

减水剂为聚羧酸混凝土高效减水剂,掺量为胶凝材料总重量的0.2%.试验用水为实验室自来水.石粉采用机制砂生产过程中生成的粒径小于0.075 mm的颗粒.高吸水性树脂(SAP)的粒径为0.15～0.25 mm,吸水倍率为400～500 g/g.盐水吸收倍率为60 g/g,加压吸水倍率为26 g/g.堆积密度为0.65～0.85 g/mL.pH值为6.2.

文中,某种物质的掺量是指其质量占胶凝材料质量的百分比;S0F0表示SAP和石粉掺量均为0,S8F0表示SAP掺量为0.08%和石粉掺量为0,其余依此类推,S16F9表示SAP掺量为0.16%和石粉掺量为9%[7].

1.2 配合比设计

依据JGJ 55—2011《普通混凝土配合比设计规程》的规定,对机制砂混凝土配合比进行设计.其中机制砂替代率为80%,与施工现场替代率相同.机制砂混凝土配合比见表2,其中w为掺量,ρ为密度.

表2 机制砂混凝土配合比

1.3 试验方法

材料混合采用干拌方式.将SAP、石粉、水泥、河砂、机制砂、石子及减水剂放入混凝土搅拌机中,干拌30 s,待SAP、石粉与胶凝材料充分混合后,再加水搅拌.依据GB/T 50081—2019《混凝土物理力学性能试验方法标准》,对机制砂混凝土开展力学性能试验.抗压强度试验采用100 mm×100 mm×100 mm的立方体试件,抗折强度试验采用100 mm×100 mm×400 mm的棱柱体试件.试件成型后放入标准养护箱中静置24 h,随后取出试件进行拆模、编号,再继续放入养护箱中养护.其中抗压强度试件养护龄期分别为3、7和28 d,抗折强度试件养护龄期为28 d.养护完成后取出试件开展力学性能测试.

2 结果与讨论

2.1 对抗压强度的影响

在龄期t为3、7和28 d时,分别单掺不同掺量SAP和石粉的混凝土抗压强度σp变化曲线如图1所示.由图1a可知,与w(SAP)=0混凝土相比,w(SAP)=0.08%混凝土在龄期为3、7和28 d时抗压强度均有较大程度的提高,分别比w(SAP)=0混凝土增加了14.32%、4.71%和8.48%,说明少量的SAP可以提高机制砂混凝土各个龄期的抗压强度.这主要是因为SAP掺入到混凝土中吸收了浆体中的水分,减少了混凝土中自由水含量,导致水胶质量比减小,从而提高了机制砂混凝土的密实性和强度.当SAP掺量超过0.08%时,由于过多SAP的掺入,使得SAP释水后在混凝土内部留下的孔洞增多,导致机制砂混凝土在龄期为3、7和28 d时抗压强度开始逐渐降低,这与文献[5]结果类似.

该系统选用了LM317稳压模块为直流电机提供稳定电压。LM317是一种可调3端正电压稳压器，具有稳压性能好、输出电压可调、噪声低、价格低廉等优点，广泛应用于一些小型嵌入式系统。稳压模块原理图如图2所示。LM317模块输出电压公式为：

图1 单掺SAP和石粉的各个龄期机制砂混凝土抗压强度变化曲线

由图1b可知:w(石粉)=0～9%时,机制砂混凝土各个龄期的抗压强度均随石粉掺量的增加而不断提高;当石粉掺量为9%时,机制砂混凝土在龄期为3、7和28 d时抗压强度均达到最高值;与w(石粉)=0混凝土抗压强度相比,在龄期为3、7和28 d时,w(石粉)=3%混凝土分别提高了8.67%、2.33%和0.58%,w(石粉)=6%混凝土分别提高了23.43%、7.11%和4.86%,w(石粉)=9%混凝土分别提高了25.08%、7.29%和6.84%.可见,石粉对不同龄期机制砂混凝土抗压强度的影响程度从大至小依次为3、7和28 d.这主要是由于石粉主要成分是CaCO3,将其加入混凝土中能够促进硅酸三钙(C3S)水化反应,而C3S的水化反应发生在混凝土早期[8],因此混凝土的早期强度得到了提高.

图2为龄期为28 d时复掺SAP和石粉的各组机制砂混凝土抗压强度曲线.

图2 龄期为28 d时各复掺组机制砂混凝土抗压强度曲线

由图2可知,除S24F3组外,其他复掺组的抗压强度均高于S0F0组,特别是S8F9组(SAP掺量为0.08%,石粉掺量为9%)混凝土的抗压强度提高了14.44%,效果最好.说明掺量为0.08%～0.16%的SAP与掺量为3%～9%的石粉复掺,两者可以同时发挥各自优势,共同改善混凝土的性能.

2.2 对抗折强度的影响

图3显示了龄期为28 d时复掺SAP和石粉的机制砂混凝土抗折强度σb曲线.

图3 龄期为28 d时复掺SAP和石粉的机制砂混凝土抗折强度曲线

由图3a可知:当石粉掺量一定时,机制砂混凝土抗折强度均随SAP掺量的增加呈现先降低、后升高、再降低的变化趋势,可见SAP掺量过多或者过少都会对机制砂混凝土的抗折强度产生不利影响;当SAP掺量为0.16%时,4种石粉掺量的机制砂混凝土抗折强度均达到最大值,与未掺SAP时相比,石粉掺量为0、3%、6%和9%的机制砂混凝土抗折强度分别提高1.82%、1.69%、13.85%和1.56%.分析其原因可能来源于两个方面:一方面,由于SAP的释水特性,使得微孔周围水化反应充分进行,在孔洞内壁及其四周形成大量针状的钙矾石,这些针状的钙矾石能够填充混凝土中微裂缝和微孔隙,从而提高混凝土的强度;另一方面,SAP在释水时,由于混凝土基体已经初步形成了稳定结构,当SAP预先吸收的水分释放完全后,混凝土内部会形成连续的球形孔洞,从而导致混凝土强度降低.

由图3b可知:当SAP掺量一定时,机制砂混凝土的抗折强度随石粉掺量增加均呈现先增大、后减小的趋势;当石粉掺量达到6%时,SAP掺量为0、0.08%、0.16%和0.24%的机制砂混凝土抗折强度均达到最大值,与未掺石粉相比,分别提高了18.18%、7.41%、32.14%和8.51%;之后随着石粉掺量的增加,混凝土的抗折强度逐渐降低,出现这种现象的原因是石粉粒径较小,能够填充水泥颗粒间微小空隙,使得界面过渡区密实度提高.此外,石粉能够与水泥中的铝酸三钙(C3A)和铁铝酸四钙(C4AF)的水化产物发生二次反应,生成水化碳铝酸钙,而水化碳铝酸钙可以与其他水化产物相互交错,使混凝土结构更加密实,从而使混凝土具有更高强度.当混凝土密实度达到最大程度后,此时继续增加石粉掺量,会产生一部分游离态的石粉出现在混凝土界面过渡区,影响水泥与石粉的粘结,从而导致混凝土强度下降.

由图3还可知,在机制砂混凝土中复掺适量的SAP和石粉,对机制砂混凝土的抗折强度有较大的增强作用,并且增强作用大于单掺SAP和石粉对机制砂混凝土的增强幅度,特别是SAP掺量为0.16%和石粉掺量为6%时,增强效果最为显著,其抗折强度与S0F0组相比提高了34.55%.

3 BP神经网络预测模型

3.1 输入层和输出层的确定

BP神经网络是一种基于误差逆向传播算法训练的多层前向型神经网络,通常由一个输入层、多个隐含层和一个输出层组成[9].本课题组结合SAP内养护机制砂混凝土抗压强度的影响因素,选取SAP掺量、石粉掺量、水灰质量比、水泥用量、用水量、机制砂替代率、减水剂用量及养护龄期作为输入向量.将龄期为3、7和28 d的混凝土抗压强度作为输出向量,建立一个网络结构为8-K-1(8为输入层节点个数,K为隐含层节点个数,1表示输出层节点个数为1个)的SAP内养护机制砂混凝土抗压强度预测模型.其中隐含层节点数K对网络预测精度的影响重大,数目过多容易出现过拟合的现象,数目过少又会增大误差[10].因此,笔者先利用经验公式确定K的大致范围,再用试凑法找出其最佳数目.经验公式[10-11]为

K=lbm,

(1)

(2)

(3)

式中:m、n分别为输入层和输出层的节点个数,个;α为常数,取值为1～10.通过对BP神经网络预测模型不断进行测试,得知节点个数为10个时拟合效果最好,因此,建立结构为8-10-1神经网络模型.BP神经网络拓扑结构如图4所示,图中Wij为输入层第i个神经元节点与隐含层第j个神经元节点之间连接权值,Vjk为隐含层第j个神经元节点与输出层第k个神经元节点之间连接权值.

图4 BP神经网络拓扑结构

3.2 样本选取及量纲一化处理

神经网络预测模型包括训练和预测两个部分.本研究中,在48组试验数据的基础上,随机选取70%的数据作为训练样本,其余30%的数据作为测试样本.神经网络训练前,为了能够达到更加精准的预测结果,需要对试验数据进行量纲一处理,使得各个维度不同的数据统一转化到[0,1]区间内,以此来消除各输入样本之间数量级的差异.目前最常用的量纲一化处理方法为最大最小法,该方法的计算式[12]为

(4)

3.3 神经网络预测与结果分析

本研究中,设定的最大迭代次数为2 000次,目标误差为1×10-5次,对神经网络进行训练.经过12次迭代后,训练停止.图5为神经网络模型的训练集、验证集、测试集及全部数据的线性回归拟合结果,该结果能够反映样本实测值与预测值之间的相关程度[13].由图5可知,训练集、验证集、测试集及全部数据拟合精度R分别为0.999 98、0.988 74、0.986 74及0.996 32,可见神经网络中3个子集及全部数据的期望输出值与网络输出值均有较高的拟合度,说明该神经网络具有良好的工作性能.

图5 神经网络模型各子集的线性回归拟合结果

龄期为28 d时,组号S16F0、S24F0、S0F3、S0F6、S0F9、S8F3、S8F6、S8F9、S16F3、S16F6、S16F9、S24F3、S24F6和S24F9的样本编号依次为1-14,其抗压强度试验实测值与预测值对比如图6所示.由图6可知,BP神经网络预测的R2为0.956 22,并且抗压强度预测值与试验实测值之间的误差绝对值均小于4 MPa,最大相对误差为8.16%,平均相对误差为4.54%.由于训练样本有限,预测样本较少,因此会存在一定的误差,但总体预测结果较为理想.说明采用BP神经网络建立SAP内养护机制砂混凝土抗压强度预测模型是可行的,可以直接应用于工程实践中.

图6 抗压强度试验值与预测值对比

4 结 论

1)机制砂混凝土在不同龄期的抗压强度随SAP掺量的增加均呈先升高、后降低的趋势.当SAP掺量为0.08%时,相比其他SAP掺量,机制砂混凝土在不同龄期的抗压强度均达到最大值,且不同石粉掺量机制砂混凝土的抗压强度得到显著提高,特别是与9%石粉复掺时,抗压强度最高.

2)不同石粉掺量的机制砂混凝土抗折强度均随SAP掺量的增加呈现先降低、后升高、再降低的趋势.当SAP掺量为0.16%时,相比其他SAP掺量,不同石粉掺量的机制砂混凝土抗折强度均达到最大值,其中0.16%SAP与6%石粉进行复掺,机制砂混凝土抗折强度增强效果最好.

3)结合本研究中抗压强度的数据,建立了BP神经网络抗压强度预测模型,将预测值与试验值进行拟合,拟合精度R2达到0.956 22,因此可以直接应用于工程实践中.