基于混凝土配方的坍落度预测方法组成比例

本发明专利技术公开了一种基于混凝土配方的坍落度预测方法

【技术实现步骤摘要】
基于混凝土配方的坍落度预测方法、装置及可读介质


[0001]本专利技术涉及混凝土搅拌检测
，具体涉及一种基于混凝土配方的坍落度预测方法
、
装置及可读介质
。

技术介绍

[0002]混凝土配合比设计是混凝土生产过程中的重要环节
。
它是指根据混凝土的用途和使用环境，确定混凝土的强度
、
坍落度等性能指标，在满足混凝土性能要求和材料性质的前提下，通过试验和计算设计出混凝土所需的水泥
、
骨料
、
掺合料和水的比例
。
[0003]混凝土坍落度是混凝土生产过程中一个重要的指标
。
一般来说，混凝土的坍落度取决于混凝土的配方和原材料的质量
。
在实际生产过程中，由于骨料含水率的波动导致实际单位方量水质量和设计配合比不符，造成混凝土质量不佳
。
通常由生产控制人员目测混凝土搅拌状态判断实际坍落度，从而进行配方修正操作，以满足工程施工要求
。
例如当混凝土中的水量过多时，混凝土的坍落度会增大，而强度相对较低
。
此时可以降低混凝土中的水泥用量，或者增加掺合料的使用量，来修正混凝土的坍落度和强度
。
而修改后的配方与设计并不相符，因此实际的坍落度也未知，通常需要混凝土出锅后进行取样实测，如此操作费时费力，增加了混凝土生产的成本和时间成本
。
[0004]目前现有技术中提到的基于神经网络法预测混凝土坍落度的方法中需要采用设计配方搅拌制作混凝土，而后再按
GB/T 50080—2002《
普通混凝土拌合物性能试验方法标准
》
测定坍落度
。
对每种配方搅拌一次并经过实验测量，以此来制作出坍落度标签以及训练样本，因此需要大量人工实验标注
、
生产后离线测量，该训练样本的采集过程费时费力，成本较高
。
[0005]因此需要一种可以通过实际原料配方估计混凝土坍落度的方法来提高混凝土搅拌站的生产效率和质量水平
。

技术实现思路

[0006]针对上述提到的技术问题
。
本申请的实施例的目的在于提出了一种基于混凝土配方的坍落度预测方法
、
装置及可读介质，来解决以上
技术介绍
部分提到的技术问题，提供一种根据历史原料配方数据判断实际生产中混凝土坍落度的方法，可以实现在实际配方未进行实验确定混凝土性能指标的情况下，在混凝土生产搅拌过程中推测混凝土的坍落度，用于判断该混凝土是否达到工程施工的要求
。
[0007]第一方面，本专利技术提供了一种基于混凝土配方的坍落度预测方法，包括以下步骤：获取混凝土生产过程中的原料配方数据，根据原料配方数据提取原料特征，原料特征为每立方混凝土所使用的每种原料质量；构建坍落度预测模型，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，将历史生产过程中不同抗压强度的混凝土的原料配方数据中的每立方混凝土所使用的每种原料质量作为原料特征，原料
特征与坍落度标签构成训练数据，采用训练数据对坍落度预测模型进行训练，得到经训练的坍落度预测模型；将原料特征输入经训练的坍落度预测模型，预测得到对应的坍落度的预测值
。
[0008]作为优选，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，具体包括：获取每种抗压强度混凝土所对应的坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界以及与坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界相对应的第一单位方量水质量
、
第二单位方量水质量和第三单位方量水质量；根据每种抗压强度混凝土所对应的坍落度偏差下边界和坍落度中位值以及与坍落度偏差下边界和坍落度中位值相对应的第一单位方量水质量和第二单位方量水质量构建第一线性回归方程；根据每种抗压强度混凝土所对应的坍落度中位值和坍落度偏差上边界以及与坍落度中位值和坍落度偏差上边界相对应的第二单位方量水质量和第三单位方量水质量构建第二线性回归方程；根据第一线性回归方程和第二线性回归方程确定每个原料配方数据中的单位方量水质量所对应的坍落度标签；或者，获取每种抗压强度混凝土所对应的坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界以及与坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界相对应的第一水灰比分位数
、
第二水灰比分位数和第三水灰比分位数；根据每种抗压强度混凝土所对应的坍落度偏差下边界和坍落度中位值以及与坍落度偏差下边界和坍落度中位值相对应的第一水灰比分位数和第二水灰比分位数构建第三线性回归方程；根据每种抗压强度混凝土所对应的坍落度中位值和坍落度偏差上边界以及与坍落度中位值和坍落度偏差上边界相对应的第二水灰比分位数和第三水灰比分位数构建第四线性回归方程；根据第三线性回归方程和第四线性回归方程确定每个原料配方数据中的水灰比所对应的坍落度标签
。
[0009]作为优选，原料特征包括单位方量5‑1石子质量
、
单位方量1‑2石子质量
、
单位方量1‑3石子质量
、
单位方量砂质量
、
单位方量减水剂质量
、
单位方量水泥质量
、
单位方量粉煤灰质量
、
单位方量水质量
。
[0010]作为优选，单位方量水质量以及水灰比中的水质量根据自来水用量和骨料含水量计算得到
。
[0011]作为优选，坍落度预测模型采用
KNN
模型，
KNN
模型中
K
值设置为6，并使用欧氏距离进行度量，通过距离的倒数来设置权重参数
。
[0012]作为优选，坍落度预测模型采用全连接神经网络，全连接神经网络包括输入层
、
第一隐藏层
、
第二隐藏层和输出层，第一隐藏层和第二隐藏层的神经元数量分别为
32
和
16
，且其激活函数均为
ReLU
，输出层为带有线性激活函数
。
[0013]作为优选，全连接神经网络训练过程中的优化器采用
Adam
优化器，损失函数使用平均绝对误差评价，并加入早停机制
。
[0014]第二方面，本专利技术提供了一种基于混凝土配方的坍落度预测装置，包括：特征提取模块，被配置为获取混凝土生产过程中的原料配方数据，根据原料配方数据提取原料特征，原料特征为每立方混凝土所使用的每种原料质量；模型构建模块，被配置为构建坍落度预测模型，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，将历史生产过程中不同抗压强度的混凝土的原料本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于混凝土配方的坍落度预测方法，其特征在于，包括以下步骤：获取混凝土生产过程中的原料配方数据，根据所述原料配方数据提取原料特征，所述原料特征为每立方混凝土所使用的每种原料质量；构建坍落度预测模型，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，将历史生产过程中不同抗压强度的混凝土的原料配方数据中的每立方混凝土所使用的每种原料质量作为原料特征，所述原料特征与所述坍落度标签构成训练数据，采用所述训练数据对所述坍落度预测模型进行训练，得到经训练的坍落度预测模型；将所述原料特征输入所述经训练的坍落度预测模型，预测得到对应的坍落度的预测值
。2.
根据权利要求1所述的基于混凝土配方的坍落度预测方法，其特征在于，所述根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，具体包括：获取每种抗压强度混凝土所对应的坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界以及与所述坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界相对应的第一单位方量水质量
、
第二单位方量水质量和第三单位方量水质量；根据每种抗压强度混凝土所对应的坍落度偏差下边界和坍落度中位值以及与所述坍落度偏差下边界和坍落度中位值相对应的第一单位方量水质量和第二单位方量水质量构建第一线性回归方程；根据每种抗压强度混凝土所对应的坍落度中位值和坍落度偏差上边界以及与所述坍落度中位值和坍落度偏差上边界相对应的第二单位方量水质量和第三单位方量水质量构建第二线性回归方程；根据所述第一线性回归方程和第二线性回归方程确定每个原料配方数据中的单位方量水质量所对应的坍落度标签；或者获取每种抗压强度混凝土所对应的坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界以及与所述坍落度偏差下边界
、
坍落度中位值和坍落度偏差上边界相对应的第一水灰比分位数
、
第二水灰比分位数和第三水灰比分位数；根据每种抗压强度混凝土所对应的坍落度偏差下边界和坍落度中位值以及与所述坍落度偏差下边界和坍落度中位值相对应的第一水灰比分位数和第二水灰比分位数构建第三线性回归方程；根据每种抗压强度混凝土所对应的坍落度中位值和坍落度偏差上边界以及与所述坍落度中位值和坍落度偏差上边界相对应的第二水灰比分位数和第三水灰比分位数构建第四线性回归方程；根据所述第三线性回归方程和第四线性回归方程确定每个原料配方数据中的水灰比所对应的坍落度标签
。3.
根据权利要求1所述的基于混凝土配方的坍落度预测方法，其特征在于，所述原料特征包括单位方量5‑1石子质量
、
单位方量1‑2石子质量
、
单位方...

【专利技术属性】
技术研发人员：黄文景，林柏宏，黄伟晴，杨建红，张宝裕，房怀英，曹礼禧，魏朝明，
申请(专利权)人：华侨大学，
类型：发明
国别省市：