基于深度学习的高性能混凝土配合比设计和性能预测方法技术

本发明专利技术公开了一种基于深度学习的高性能混凝土配合比设计和性能预测方法，包括如下步骤：S1、建立UHPC多尺度性能数据库；S2、建立UHPC配合比预测模型；S3、建立UHPC多尺度性能预测模型；S4、UHPC配合比预测模型和多尺度性能预测模型的评估与优化；S5、完成UHPC的配合比设计及多尺度性能预测。本发明专利技术将深度学习算法应用于超高性能混凝土的研发，以实际工程对UHPC的性能需求为导向，快速筛选出满足性能要求的UHPC的配合比设计，减少了盲目试错导致的人力、物力和时间的浪费，研发效率更高、综合成本更低；将深度学习算法应用于超高性能混凝土的性能预测，提升了对实际工程中UHPC的性能评估效率，对其适用性做出快速判断。

【技术实现步骤摘要】

本专利技术涉及及建筑材料，具体涉及一种基于深度学习的高性能混凝土配合比设计和性能预测方法。

技术介绍

1、混凝土的原材料来源广泛、成本低廉且便于施工，是建筑、桥梁、隧道、海洋和道路等领域中应用最为广泛的人造材料。随着国民经济的快速发展，各类基础工程设施的结构形式日趋复杂，高温、低温和酸碱盐腐蚀等极端服役环境屡见不鲜，普通混凝土已难以满足多数实际工程需求。超高性能混凝土(uhpc)的力学性能优异、耐久性好，已经在土木工程领域得到了应用，预计未来是我国工程建设领域的重要支撑之一。uhpc涉及的原材料种类较多，包括细骨料、水泥、硅灰、粉煤灰、钢纤维、减水剂和水，其配合比是影响服役性能和生产成本的关键。在实际工程中，为了确保uhpc性能满足应用需求的同时降低生产成本，需要对uhpc的配合比进行科学合理的设计。

2、目前，uhpc的配合比设计主要以最密堆积理论为基础，通过不断调整原材料的颗粒级配来提高其密实性，同时引入适量纤维来增强其韧性，从而使其耐久性和和力学特性都得到显著提升。这种以“试错法”为主的uhpc配合比设计方法在原材料的选取和用量上都有较强本文档来自技高网...

【技术保护点】

1.一种基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤S1中，具体包括：

3.根据权利要求2所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤S12中，UHPC的宏观性能包括流动性、抗压强度、抗拉强度、抗弯强度，分别通过坍落度试验、单轴压缩试验、直接拉伸试验、三点弯曲试验或深度相机拍照获得；

4.根据权利要求1所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤S2中，以UHP...

【技术特征摘要】

1.一种基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤s1中，具体包括：

3.根据权利要求2所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤s12中，uhpc的宏观性能包括流动性、抗压强度、抗拉强度、抗弯强度，分别通过坍落度试验、单轴压缩试验、直接拉伸试验、三点弯曲试验或深度相机拍照获得；

4.根据权利要求1所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤s2中，以uhpc的流动性、抗压强度、抗拉强度和抗弯强度为输入变量，以配合比为输出变量，将数据库中的数据按8:2的比例划分为训练数据集和测试数据集，选取bp神经网络和卷积神经网络深度学习算法，建立基于宏观性能要求的uhpc配合比预测模型。

5.根据权利要求1所述的基于深度学习的高性能混凝土配合比设计和性能预测方法，其特征在于：在步骤s3中，以uhpc细骨料...

【专利技术属性】
技术研发人员：姚煦霈，杜明瑞，方宏远，苏海健，赵鹏，张勃阳，杜雪明，李斌，
申请(专利权)人：郑州大学，
类型：发明
国别省市：