System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及水泥材料,具体涉及一种基于cyclegan的水泥水化反应程度预测方法及系统。
技术介绍
1、水泥是具有成分多元化、微结构多极化等特点,其水化是一个非常复杂的多相物理化学反应过程,研究表明,水泥的各项性能发展都基于其水化反应这一过程。而水泥作为具有多尺度结构特性的复合材料,其宏观性能是由其微纳观特性决定的,因此以参数化形式定量描述水泥水化反应过程是材料设计、性能评估的重要基础,对建筑、桥梁、隧道、海洋和道路等基础设施的安全性能评估提供了重要依据。
2、目前,水泥微观水化的预测模型主要依赖复杂的数学公式描述水化反应的时变规律。在模拟水泥微观结构的演变过程中,现有模型需要设计时间步长进行迭代运算。然而重复的迭代需要占据大量的计算资源,导致模拟往往耗时费力。而另一方面,由于水泥水化的复杂性,水化预测模型的建立往往借助大量的理想化假设,致使预测精度下降。
技术实现思路
1、为解决现有技术中存在的问题,本专利技术提供了一种基于cyclegan的水泥水化反应程度预测方法及系统,解决了上述
技术介绍
中提到的问题。
2、为实现上述目的,本专利技术提供如下技术方案:一种基于cyclegan的水泥水化反应程度预测方法,包括如下步骤:
3、s1、水泥净浆试件的微观结构图像采集;
4、s2、建立微观孔隙结构图像数据集;
5、s3、建立基于cyclegan的水泥微观水化预测模型;
6、s4、基于最终的水泥微观水化预测模型完成预
7、优选的,在步骤s1中,具体包括如下:
8、s11、预制多组不同水灰比的普通波特兰水泥净浆试件;
9、s12、分别对龄期为1、3、7、14、28和168天的水泥净浆试件进行取样,利用低熔点金属压入与扫描电子显微镜背散射模式相结合的测试技术开展微观孔隙结构可视化测试,获得不同龄期试件的微观孔隙结构图像。
10、优选的,在步骤s2中,对步骤s1获得的微观结构图像进行数据增强,建立不同龄期的水泥微观孔隙结构图像数据集;所述数据增强包括随机剪切、随机旋转、随机水平翻转和随机竖直翻转。
11、优选的,在步骤s3中,具体包括如下:
12、s31、建立5个cyclegan网络,以1天的微观结构图像为输入,生成3天、7天、14天、28天和168天的微观结构图像,实现水泥微观结构水化的原位预测;
13、s32、基于图像分析,通过对比生成图片和试件获得的实际图片的微观结构,评估生成的图片质量,并根据分析结果优化对应的cyclegan网络;
14、s33、重复步骤s31和步骤s32,直到生成图片和试件图片在对比中的各项参数的评估指标满足精度要求(r2≥95%或rmse≤5%),将此时的cyclegan网络作为最终的水泥微观水化预测模型。
15、优选的,在步骤s32中,所述评估生成的图片质量具体包括对比cyclegan生成的微观结构图片与对应的实际微观图片在孔隙率、孔径分布、形貌与空间特征的孔隙结构参数上的误差,评估指标为rmse和r2,其定义如下:
16、
17、
18、式中xi表示从实际图片中获得的孔隙率、孔径分布、形貌与空间特征,表示实际图片中对应参数的平均值,表示从生成图片中获得的孔隙率、孔径分布、形貌与空间特征,n表示测试数据样本的数量。
19、优选的,在步骤s32中,所述cyclegan网络包含两组生成器(ga,gb)和判别器(da,db);所述cyclegan网络通过优化由1个循环一致性损失1个本体映射损失和2个对抗损失构成的损失函数,并借助随机失活、交叉验证机制对网络展开训练;
20、所述和的计算公式如下:
21、
22、
23、
24、
25、式中x1d表示龄期为1天的水泥微观图像,xhd表示龄期为3天、7天、14天、28天和168天的水泥微观图像,运算符e表示期望计算,||||1表示l1正则化。
26、优选的,在步骤s4中,将待测的1天水泥微观结构图像输入到最终的水泥微观水化预测模型中,得到3、7、14、28和168天的原位微观结构预测图像。
27、另一方面,为实现上述目的,本专利技术还提供了如下技术方案:一种基于cyclegan的水泥水化反应程度预测系统,所述系统包括:
28、图像采集模块(110)、用于水泥净浆试件的微观结构图像采集;
29、数据集建立模块(120)、用于建立微观孔隙结构图像数据集;
30、预测模型建立模块(130)、用于建立基于cyclegan的水泥微观水化预测模型;
31、预测模块(140)、用于基于最终的水泥微观水化预测模型完成预测。
32、本专利技术的有益效果是:
33、1)本专利技术将深度学习算法应用于水泥微观水化预测,以数据驱动的模式代替复杂的理论公式,减少了对理想假设的依赖,进而提高了对水泥微观水化的预测精度;
34、2)相比传统模型需要借助多次迭代预测水泥的微观水化过程,本模型利用结合深度学习领域中的图像域迁移理论,端到端的预测水泥的微观结构随水化时间的变化过程,可大幅度提高模型预测效率。
本文档来自技高网...【技术保护点】
1.一种基于CycleGAN的水泥水化反应程度预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步骤S1中,具体包括如下:
3.根据权利要求1所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步骤S2中,对步骤S1获得的微观结构图像进行数据增强,建立不同龄期的水泥微观孔隙结构图像数据集;所述数据增强包括随机剪切、随机旋转、随机水平翻转和随机竖直翻转。
4.根据权利要求1所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步骤S3中,具体包括如下:
5.根据权利要求4所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步骤S32中,所述评估生成的图片质量具体包括对比CycleGAN生成的微观结构图片与对应的实际微观图片在孔隙率、孔径分布、形貌与空间特征的孔隙结构参数上的误差,评估指标为RMSE和R2,其定义如下:
6.根据权利要求4所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步
7.根据权利要求1所述的基于CycleGAN的水泥水化反应程度预测方法,其特征在于:在步骤S4中,将待测的1天水泥微观结构图像输入到最终的水泥微观水化预测模型中,得到3、7、14、28和168天的原位微观结构预测图像。
8.一种基于CycleGAN的水泥水化反应程度预测系统,其特征在于:所述系统包括:
...【技术特征摘要】
1.一种基于cyclegan的水泥水化反应程度预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于cyclegan的水泥水化反应程度预测方法,其特征在于:在步骤s1中,具体包括如下:
3.根据权利要求1所述的基于cyclegan的水泥水化反应程度预测方法,其特征在于:在步骤s2中,对步骤s1获得的微观结构图像进行数据增强,建立不同龄期的水泥微观孔隙结构图像数据集;所述数据增强包括随机剪切、随机旋转、随机水平翻转和随机竖直翻转。
4.根据权利要求1所述的基于cyclegan的水泥水化反应程度预测方法,其特征在于:在步骤s3中,具体包括如下:
5.根据权利要求4所述的基于cyclegan的水泥水化反应程度预测方法,其特征在于:在步骤s32中,所述评估生成的图片质量具体包括对比cyclegan生成的微观结构图片...
【专利技术属性】
技术研发人员:杜明瑞,姚煦霈,方宏远,赵鹏,苏海健,王念念,杜雪明,赵小华,薛冰寒,
申请(专利权)人:郑州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。